/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
ti2v · dense
Базовая модель
VideoRLVR-Wan2.2-Base
Библиотека
diffusers
Опубликована
12 мая 2026

VideoRLVR-Wan2.2

Видео из изображенияИзображение, текст → видео3 профессии

Дообученная методом обучения с подкреплением модель Wan2.2 для генерации видеотраекторий в проверяемых задачах визуального рассуждения.

1 246скачиваний за 30 дней1лайквеса обновлены21 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DarthZhu/VideoRLVR-Wan2.2 — модель генерации видео на основе Wan2.2-TI2V-5B, оптимизированная методом обучения с подкреплением. Она предназначена для задач визуального рассуждения, в которых модель строит видеотраектории, проверяемые по правилам. В обучении использованы SDE-GRPO и плотные декомпозированные награды с правиловым feedback; оптимизация сосредоточена на ранних шагах денойзинга.

Модель рассчитана на процедурно создаваемые задачи вроде лабиринтов, FlowFree и Sokoban. Метаданные указывают задачу image-to-video, библиотеку Diffusers, формат Safetensors и лицензию Apache-2.0. Указана производная связь с DarthZhu/VideoRLVR-Wan2.2-Base; README называет исходной основой Wan2.2-TI2V-5B.

Сценарии применения

  • генерация видеорешений лабиринтов
  • построение траекторий для задач FlowFree
  • генерация последовательности ходов в Sokoban
  • создание видео для процедурных задач визуального рассуждения

Ограничения

Описанные задачи ориентированы на процедурные сценарии вроде Maze, FlowFree и Sokoban; пригодность для произвольной генерации видео не подтверждена. В источниках не приведены длина контекста, поддерживаемые языки и количественные результаты.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VideoRLVR

VideoRLVR is a reinforcement learning (RL) recipe for training video reasoning models with verifiable rewards. This model is a reinforcement-learning optimized version of Wan2.2-TI2V-5B, presented in the paper Video Models Can Reason with Verifiable Rewards.

The model uses an SDE-GRPO optimization backbone and rule-based feedback to improve visual reasoning in complex, procedurally generated tasks such as Maze, FlowFree, and Sokoban.

Method Overview

VideoRLVR formulates video reasoning as the generation of verifiable visual trajectories. Key components include:

  1. SDE-GRPO: An optimization backbone for video diffusion models.
  2. Dense Decomposed Rewards: Verifiable, rule-based feedback to guide the model.
  3. Early-Step Focus: A strategy that restricts policy optimization to the early denoising phase, significantly reducing training latency while preserving performance.

Citation

@article{zhu2026video,
  title={Video Models Can Reason with Verifiable Rewards}, 
  author={Tinghui Zhu and Sheng Zhang and James Y. Huang and Selena Song and Xiaofei Wen and Yuankai Li and Hoifung Poon and Muhao Chen},
  journal={arXiv preprint arXiv:2605.15458},
  year={2026}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → видео» пока не запускаются.

Ревизия весов
ec6bbb1

0 моделей