AgenticGen：用于广告的奖励引导代理视频生成

广告视频生成不仅是一个视频合成任务，也是一个产品条件推理问题，其成功与否是通过在线业务指标来衡量的。最近的视频基础模型可以从多模式条件下生成真实的剪辑，但它们没有优化如何将产品转化为有效的广告，也没有优化如何从在线业务反馈中改进下一代。为了闭合这个循环，我们提出了 AgenticGen，这是一种奖励引导的代理框架，它将广告视频生成分解为两个可训练的推理阶段：策略选择和草稿生成，从而暴露在线业务反馈可以监督的优化目标。 AgenticGen 从累积的在线反馈中学习基于绩效的奖励，以及与人类质量标准一致的基于标准的补充奖励，然后用它们来监督策略优化。 DPO first moves the agentic policies toward online preferences, and GRPO further refines both stages with process and outcome rewards.离线实验验证了奖励模型和连续的策略优化。 TikTok 广告系统中的在线 A/B 实验表明，AgenticGen 经过 DPO 和 GRPO 处理后，与 SFT 基线相比，CTR 提高了 2.72%，CVR 提高了 2.63%，Advv 提高了 9.61%。