随着视频博客（vlog）作为个性化叙事媒介的迅速崛起，市场对自动化评估和优化 vlog 编辑计划的需求日益增长。然而，vlog 评估高度主观，缺乏标准化的评估标准、数据集和基准测试，导致这一过程充满挑战。为了解决这些问题，我们定义了一个全面的 vlog 评估框架，在专业 vlog 创作者和产品经理的指导下，建立了六个关键维度的分类体系：创意、连贯性、概念设计、摄影、叙述和节奏。
随后，我们整理了一个包含 10 万个 vlog 编辑的大规模数据集，并建立了专门的基准 VRMBench，以评估多模态大型语言模型（MLLMs）在 vlog 奖励能力方面的表现。最后，我们推出了 VlogReward，这是一种强大的 vlog 奖励模型，能够提供细致的多维评分和可操作的反馈，支持迭代优化。
在技术上，我们通过引入可调的组间比较奖励来增强组相对策略优化（GRPO）框架，解决了标准 GRPO 的“方向盲”问题，使模型能够更好地区分不同质量的编辑。VlogReward 在性能上达到了领先水平，显著超越了现有的 MLLMs，包括 GPT-4 和 Gemini-3-Pro。我们希望我们的研究能够帮助 vlog 创作者，并促进自动化的 vlog 评估和优化系统的发展。
博主点评： VlogReward 的推出为视频博客的评估提供了一个系统化的解决方案，通过建立多维度的评估标准和数据集，显著提升了自动化编辑的可能性。这不仅有助于创作者提升内容质量，也推动了相关技术的进步，展示了 AI 在创意领域的应用潜力。