研究在做什麼
Video Rebirth 研究團隊發表論文，指出影片生成技術正從端到端合成轉向代理式生成（agentic generation，由代理系統負責規劃、工具使用與回饋的生成方式）。在此架構下，透過規劃、工具使用與回饋機制，系統能生成更具連貫性與可控性的多鏡頭影片。研究同時關注影片世界模型（video world models），這類模型能提供動作條件化的觀察結果與預測未來狀態，作為代理的互動環境。 Hugging Face 每日精選論文
方法
研究核心在於「代理框架」（agent harness，一種可執行的運行時環境），負責在影片模型周圍建構上下文、暴露工具、維護狀態、路由回饋並管理預算。研究探討三個方向：首先是代理式影片生成，框架協調腳本撰寫、鏡頭規劃、資產管理、製作與剪輯；其次是代理式世界建模，框架中介觀察、控制、執行與狀態，採用混合設計讓遊戲引擎或代理撰寫的程式維護世界狀態，而影片模型負責渲染觀察結果；第三是影片模型開發中的遞迴自我改進（RSI，recursive self-improvement，指改進程序本身也能被改進的機制），區分輸出修訂、框架狀態更新、生成器參數與評估器的改變，以及改進程序本身的變化。 Hugging Face 每日精選論文
結果
研究分析了代理所需的核心能力，包括視聽感知、長程規劃、記憶、基於程式碼的互動、回饋引導控制、技能重用及多代理協調。研究指出代理與世界模型可以互相評估並改進彼此。此外，研究識別出改進如何回饋到後續開發中，並總結了自主影片製作、終身記憶、可程式化混合控制、自主模型開發、來源追蹤、成本核算，以及將影片品質與任務表現連結至模型和框架持續改進的評估挑戰。 Hugging Face 每日精選論文
程式碼與資料
本站 2026-11-04 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：
- 研究機構（Hugging Face 標示）：Video Rebirth
- 程式碼：agentic-videogen/awesome-agentic-videogen｜41 顆星｜最後更新 2026-11-03｜授權 未標示
- 專案網頁：https://agentic-videogen.github.io/
- 模型與資料集：Hugging Face 上沒有連結到這篇論文的公開模型或資料集