VideoGen-Agent：透過外部工具協作強化影片生成代理
為何重要
影片生成正從單次執行轉向依賴多步驟工具協作的代理架構，VideoGen-Agent 證實了此路徑能顯著改善物理一致性與複雜情境生成。 這對開發者而言意味著未來不必單純追求單一模型的極致曲線，而是透過 Agents 來整合特定工具處理邊緣案例，使基礎模型能夠靈活對接外部能力。 更重要的是，代理人與底層生成工具可解耦最佳化，這暗示未來 AI 平臺的競爭重心將轉向 Agents 的邏輯設計而非僅有模型微調。
VideoGen-Agent 這項研究提出多模態代理架構，利用多工強化學習與外部增強、生成及驗證工具，解決傳統影片模型難以滿足特定指令的瓶頸。
- 代理透過多輪互動，依據提示與中間觀察結果決定工具使用策略。
- 在自訂基準 VABench 上，該代理比基礎文字生成模型提升 19.1 分（56.5 分提升至 75.6 分）。
- 強化生成工具後，分數可達 86.1 且無需額外代理人訓練，人類測評中有 84.3% 的比較結果優於最強獨立基準對手。