视频生成也能查资料、做模拟：8B 智能体学会自主调用工具

研究团队推出以 Qwen3-VL-8B-Instruct 为基础的 VideoGen-Agent 多模态智能体，可自主调用检索、生成、验证等工具完成视频生成任务，先通过监督微调建立工具使用能力，再经多任务强化学习优化决策过程。在自研的 600 条提示词覆盖六类能力的 VABench 基准测试中，其 Toolset 1 配置得分 75.6，较基础视频生成器提升 19.1 分，升级生成工具后得分达 86.1，无需重训智能体策略，人类评估中 84.3% 的受访者更偏好其生成结果。该智能体可自主组合工具处理未见过的复合生成需求，还能扩展接入新工具链适配机器人操作视频生成等场景，通过在生成前补全缺失信息的决策模式，有效提升复杂要求下的视频生成质量。