EmoReward: 一种用于情感视频生成的自进化奖励校准 RL 方法

EmoReward 是一种自进化奖励校准方法，用于情感视频生成的强化学习训练，通过从实际训练中收集的奖励轨迹中提取证据可靠性，自适应地调整多奖励权重分配。该方法在 HunyuanVideo 1.5 上进行了实验，展示了在多种 RL 算法中的改进效果，并与 SAGE-GRPO 框架下的其他智能体奖励方法进行了对比。