FIRM-Video: Check Before You Score for Reliable Text-to-Video Reward Modeling

• 类型：arxiv
• 标识：2608.21839
• 链接：https://arxiv.org/abs/2608.21839
• 主分类：multimodal
• 形态：method
• 被引：1
• 被引来源：Semantic Scholar
• S2被引：1
• OpenAlex被引：0
• 影响力被引：0
• TLDR：FHM-Video, a unified checklist-driven data construction framework based on a check-before-score principle, is introduced, which achieves the best overall MAE on FIRM-Video-Bench while consistently delivering the highest VBench Total, Quality, and Semantic Scores in Best-of-8 sampling across three video generators.
• OpenAlex ID：W7204168750
• OpenAlex DOI：10.48550/arxiv.2608.21839
• DOI：10.48550/arxiv.2608.21839
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.21839
• OpenAlex更新：2026-09-01
• 副分类：evaluation
• 待LLM分类：否
• 标题中文：FIRM-Video：先核查再评分，实现可靠的 text-to-video 奖励建模
• TLDR中文：本文提出 FHM-Video，一种基于 check-before-score 原则的、由 checklist 驱动的统一数据构建框架，在 FIRM-Video-Bench 上取得最佳综合 MAE，并在三种视频生成器的 Best-of-8 采样中始终获得最高的 VBench Total、Quality 和 Semantic Score。
• 来源文件：
• /inbox/tom/_candidates/2026-08-27-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]