视频生成也能查资料、做模拟：8B智能体学会自主调用工具
2026.10.09 · 产品 · 论文 · 论文预印本
VideoGen-Agent 用强化学习让 8B 智能体自主调用检索、生成与验证工具，VABench 得分从 56.5
机器之心报道，研究团队提出 VideoGen-Agent，以 Qwen3-VL-8B-Instruct 为基础，在多轮交互中调用检索、生成和验证工具。先用监督微调建立工具使用能力，再通过多任务强化学习改进决策。在 600 条提示词的 VABench 上，Toolset 1 得 75.6 分，升级生成工具后达 86.1 分，基础生成器为 56.5 分。
- 以 Qwen3-VL-8B-Instruct 为基础构建可训练多模态智能体
- 先监督微调再强化学习，奖励权重为 0.1、0.4、0.5
- VABench 含 600 条提示，覆盖六类任务各 100 条
- Toolset 1 得 75.6 分，升级工具后达 86.1 分
- 人类评估中 84.3% 更偏好升级配置生成的视频
为什么值得看
看清视频生成从单次提示走向工具调用与多轮决策的路径。
适合谁关注
关注视频生成、多模态智能体与强化学习的研究者和开发者。