视频编辑奖励模型把静止当质量:加入帧间动态输入后,VE-Bench运动阶梯误选率从97%降到0%
指令引导的视频编辑奖励模型会把时间一致性当成质量,从而偏爱运动被压低的候选片段:在VE-Bench的运动阶梯上,被评估的复合奖励有97%的情况选中了运动被抑制的版本。一种运动感知奖励模型把逐帧RGB差分作为显式输入,并用运动抑制负样本与伪造运动负样本做偏好训练,同时用蒸馏锚点保留与人类质量评分的对齐;它在VE-Bench运动阶梯上的误选率降到0%,并检测到训练中未出现的片段冻结、突发冻结与光流衰减。