视频生成模型：后训练与对齐方法综述
这篇综述探讨如何在不从头训练的情况下调整预训练视频生成模型，使其更可靠地遵循人类意图、保持时间连贯性，并满足物理与安全约束。文章区分隐式对齐和显式对齐，并将现有方法归纳为监督微调、自训练与蒸馏、基于偏好与奖励的方法，以及推理时方法。综述还梳理了常用数据集、基准测试和评估实践，并讨论可扩展的奖励设计、长时序一致性以及安全生成等开放挑战。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。