Linum 公开视频模型 v3 的数据筛选演进：从 CPU 土法炼钢到 RL 美学打分

Getting video models to learn better, faster

Linum 在训练开源视频模型 v3，这篇博客详细拆解了他们从 2024 年至今的数据筛选流水线是怎么一步步搭起来的。最早为了省钱，全用 CPU 跑传统视觉算法：用 PySceneDetect 切镜头、EAST 做文字识别、靠 H.264 的运动向量踢掉几乎不动的片段，再用 Haar 级联分类器对“大头讲话”视频做降采样。到 2025 年初，他们换上 ...

推荐理由：一篇很实在的工程复盘，从省钱版 CPU 管线一路讲到 GPU 集群上的美学过滤，每一步的动机和取舍都写清楚了。信息量大、可复用性强，但受众集中在视频模型数据团队，所以分数卡在这里。