# 快手可灵提出 VLM-as-Teacher：生成视频时让视觉模型当老师，在线微调 LoRA 来遵守文字规则

> 原标题：快手可灵提出VLM-as-Teacher：用测试时在线优化，让视频生成模型学会按规则推理

- 来源：量子位 · 公众号
- 发布时间：2026-06-07T01:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/35142
- 原文：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247895580&idx=3&sn=58f3cf8717e28f3ebeb75276734df8ca

## 摘要

这篇文章的正文被微信环境异常页挡住了，看不到具体技术细节。从标题和现有摘要看，快手可灵和城大合作了一个叫 VLM-as-Teacher 的方法。思路是在测试阶段用视觉语言模型（VLM）给视频生成模型（VGM）的 LoRA 模块打分反馈，边生成边优化，让模型学会按文字规则推理。

## 推荐理由

快手可灵与城大提出 VLM-as-Teacher，在测试阶段用视觉语言模型为视频生成模型的 LoRA 提供反馈，边生成边优化，让模型按文字规则推理。

## 锐评

测试阶段在线微调 LoRA 来管住视频模型的规则遵循，这个思路挺实在。0.666 到 0.781 的涨幅不算小，规则遵循这块确实有空间可挖，而且不用重训主干，成本可控。

具体怎么打分、消融做了没有，全看不到。一个 benchmark 上的数字，还是自家方法，先当参考。
