视频生成1.3B碾压14B、图像生成直逼GPT-4o！港科&快手开源测试时扩展新范式

主要观点总结

本文介绍了香港科技大学联合快手可灵团队推出的Evolutionary Search（EvoSearch）方法，该方法通过提高推理时的计算量来大幅提升模型的生成质量，支持图像和视频生成。EvoSearch无需训练，即可在一系列任务上取得显著最优效果。文章还介绍了Test-Time Scaling的本质，当前方法的局限性以及EvoSearch的工作原理和实验结果。

关键观点总结

关键观点1: 第一作者和团队介绍

论文第一作者为何浩然，香港科技大学二年级博士，研究方向包括强化学习、生成流模型以及具身智能。通讯作者为香港科技大学电子与计算机工程系助理教授潘玲。

关键观点2: EvoSearch方法的特点

EvoSearch通过提高推理时的计算量来大幅提升模型的生成质量，支持图像和视频生成，表现出良好的scaling up能力、鲁棒性和泛化性。它无需训练，即可在一系列任务上取得显著最优效果。

关键观点3: Test-Time Scaling的本质和当前方法的局限性

Test-Time Scaling的本质是为了激发预训练模型的能力，使其与人类偏好对齐。当前方法如Best-of-N和Particle Sampling存在局限性，如需要构造数据、大量计算资源重新更新模型参数，或者缺少探索新的状态空间能力等。

关键观点4: EvoSearch的工作原理和实验结果

EvoSearch将图像和视频生成的test-time scaling问题重构成演化搜索问题，通过演化搜索找到符合目标分布的去噪样本。它在多个实验任务中取得了最优结果，展示了高的生成多样性，平衡了exploration和exploitation。