面向图像到视频一致性的智能体优化框架，超越试错法

研究提出“Agentic Self-Improvement”框架，将图像到视频生成重构为闭环目标优化：先用多模态大模型迭代优化提示词，通过 Davidsonian Scene Graph 查询检验语义一致性、Common Mistake Questions 检测伪影，再用贝叶斯优化协同搜索随机种子与 CFG 尺度。人类偏好研究中，该方法的胜率最高达 69%。