论文用 9B 策略做长视频剪辑，token 效率约为 Claude Opus 5 的 33 倍。
资讯摘要
论文提出 WeVisCut，一个长视频脚本到视频系统，将工具执行与策略学习结合，其智能体框架维护共享制作状态，使工具反馈影响后续决策与修复。作者用编辑反演与验证回放构建四阶段数据管线，从 3,750 个成品视频生成逾 13 万训练样本，训练单个 9B 策略模型。论文还提出 100 任务基准与五项指标，作者报告其在共享工具环境下明显优于基座模型，性能接近 Claude Opus 5，且每分钟成功输出所需生成 token 约少 33 倍。
要点速读
- 论文提出 WeVisCut，用共享制作状态的智能体框架连接工具执行与策略学习，支持长视频脚本到成片。
- 四阶段数据管线从 3,750 个成品视频恢复编辑意图，产出逾 13 万训练样本，用于训练单个 9B 策略。
- 作者报告 WeVisCut 明显优于基座模型，接近 Claude Opus 5，且每分钟成功输出生成 token 约少 33 倍；并提出 100 任务基准与五项指标。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。