VideoGen-Agent视频生成智能体研究发布

2026年10月9日，机器之心报道研究团队提出 VideoGen-Agent 视频生成智能体。该智能体以 Qwen3-VL-8B-Instruct 为基础，通过监督微调加多任务强化学习，在多轮交互中调用检索、生成和验证工具，并根据工具返回结果继续决策，以完成视频生成。团队同时发布包含 600 条提示词、覆盖六类能力的 VABench 基准。据该报道，在 VABench 上，VideoGen-Agent 的 Toolset 1 配置取得 75.6 分，相较基础视频生成器的 56.5 分提高 19.1 分；保持智能体参数不变、升级生成工具后，得分进一步达到 86.1 分；从 Toolset 1 升级到 Toolset 2 时，Agent 策略保持不变，未进行额外训练。在人类比较中，评估者在 84.3% 的判断中更偏好升级配置生成的视频，而非最强单模型基线的结果。目前事件进展停留在该研究发布与基准评测结果公布阶段。

AI 根据报道生成 · 3 小时前更新