核心发现
方法论
本研究采用两阶段训练策略，首先在物理链式推理数据集上对大规模语言模型（Qwen2.5）进行监督微调，增强其物理推理能力；随后利用Group Relative Policy Optimization（GRPO）结合动态奖励调度，对提示生成策略进行强化学习优化。奖励机制动态调整，初期偏重语义一致性，后期逐步强化物理常识，形成递进式学习路径。该方法无需微调生成模型，直接在提示层实现物理合理性提升，兼容多种文本到视频生成架构。
关键结果
- 在VideoPhy2基准测试中，7B参数的PhyPrompt达成40.8%的联合成功率，较未优化提示提升8.6个百分点，物理常识得分提升11个百分点（55.8%至66.8%），语义一致性提升4.4个百分点（43.4%至47.8%），超越单目标训练效果。
- 在多种生成模型（Lavie、VideoCrafter2、CogVideoX-5B）上实现零样本迁移，联合成功率最高提升16.8%，验证了模型无关性和泛化能力。
- 通过消融实验验证动态奖励调度优于静态权重，两个阶段训练策略共同贡献显著，揭示多目标优化的潜在优势。
研究意义
本研究突破了文本到视频生成中物理合理性不足的瓶颈，展示了基于强化学习的提示优化在提升生成内容物理真实性方面的潜力。相比传统手工提示设计，自动化方法大幅降低门槛，提升可扩展性，为机器人、仿真等对物理一致性要求高的应用提供技术支撑。模型参数规模虽小（7B），但在多架构迁移中表现优异，彰显了领域专用强化学习策略的优越性。此技术路径为未来多模态生成的物理感知提供了新思路，推动生成模型向更符合自然规律的方向发展。
技术贡献
本研究创新性地结合大规模语言模型的链式推理能力与强化学习中的递进式奖励调度，提出了多目标优化的动态调度机制，有效平衡语义一致性与物理合理性。引入GRPO算法，避免了复杂的价值网络训练，提升了训练效率。提出的两阶段训练流程——先监督微调增强物理推理，再RL优化提示策略——实现了模型在不同生成架构中的泛化。实验表明，参数规模远小于GPT-4o的情况下，仍能实现优异的性能，验证了任务导向的微调策略优于纯参数扩展。
新颖性
首次提出基于强化学习的多目标递进式提示优化框架，结合物理链式推理数据集，突破了单一目标优化的限制，实现语义与物理的双重提升。不同于以往仅在生成模型内部进行微调或单一提示增强的方法，本文在提示层实现物理合理性，兼具效率与泛化能力。该方法在多架构迁移和参数规模远小于大型模型的条件下，仍达成优异效果，彰显了其创新性和实用价值。
局限性
- 当前方法依赖于预定义的物理链式推理数据集，可能在未覆盖的物理场景中表现不足。
- 在极端复杂或高动态场景下，提示优化的效果仍有限，需结合模型内部物理感知能力进一步提升。
- 训练过程中对奖励调度参数的敏感性可能影响最终性能，需调优以适应不同任务。
未来方向
未来将探索自适应奖励调度机制，结合多模态信息增强物理推理能力，提升复杂场景的生成质量。同时，结合物理引擎或仿真环境，进一步验证生成内容的物理一致性，推动生成模型在科学仿真、虚拟现实等领域的应用落地。还将研究多任务联合训练策略，兼顾多物理规律的复杂交互，拓展模型的适用范围。
AI 总览摘要
随着文本到视频（T2V）技术的快速发展，生成的内容在视觉质量上已达到令人惊叹的水平，但在物理合理性方面仍存在明显缺陷。现有模型常出现物体瞬移、违反重力或穿透等不符合自然规律的现象，严重限制其在仿真、机器人等领域的应用。本文提出了PhyPrompt，一种基于强化学习的两阶段提示优化框架，旨在自动提升生成视频的物理合理性。该方法首先在物理链式推理数据集上对大规模语言模型（Qwen2.5）进行监督微调，增强其物理推理能力；随后利用Group Relative Policy Optimization（GRPO）结合动态奖励调度，优化提示生成策略，实现语义和物理的双重提升。实验结果显示，7B参数的PhyPrompt在VideoPhy2基准测试中达成40.8%的联合成功率，较未优化提示提升8.6个百分点，且在多种生成模型上实现零样本迁移，成功率最高提升16.8%。该技术突破了传统单目标优化的局限，展示了模型参数规模较小时的优异性能，为未来多模态内容生成中的物理感知提供了新思路。整体而言，本文不仅推动了生成模型的物理合理性研究，也为自动化提示工程提供了实用方案，具有重要的学术和应用价值。
深度分析
研究背景
近年来，文本到视频生成技术迅速发展，诸如Diffusion Models（扩散模型）和Transformer架构的应用，使得生成内容在视觉质量上不断突破。代表性工作包括CogVideo、VideoCrafter等，它们在提升视频清晰度和连贯性方面取得显著进展。然而，尽管视觉表现优异，这些模型在物理合理性方面仍存在明显不足。常见问题包括物体瞬移、违反重力定律、穿透等不符合自然规律的现象。这些缺陷限制了其在科学仿真、虚拟现实、机器人训练等对物理真实性要求较高的场景中的应用。为解决这一问题，研究者尝试引入物理知识约束、强化学习等技术，但大多依赖于模型内部的微调或复杂的后处理方法，效果有限。现有的自动提示优化技术多集中在图像生成领域，少有针对视频的系统性研究。由此，提升文本提示的物理感知能力，成为当前研究的热点和难点。
核心问题
现有的文本到视频生成模型在视觉质量方面虽有突破，但在物理合理性方面表现不足，导致生成内容常出现不符合自然规律的现象。这一问题的核心在于模型训练时缺乏对物理规律的明确约束，且用户在提示中很难准确描述所有物理细节。手工工程化提示虽能改善部分场景，但不具备普适性和可扩展性。自动化提示优化面临多目标冲突：一方面需要保持语义一致，另一方面又要确保物理合理。传统优化方法难以同时兼顾两者，导致生成内容在真实性和内容一致性之间难以平衡。解决这一难题，不仅需要理解物理规律，更需设计高效的优化策略，使模型能在保持用户意图的同时，增强物理感知。
核心创新
本研究的核心创新在于提出一种结合强化学习的多目标递进式提示优化框架。首先，利用物理链式推理数据集（CoT）对大规模语言模型进行监督微调，增强其推理能力。其次，采用Group Relative Policy Optimization（GRPO）算法，结合动态奖励调度机制，逐步引导模型在语义一致性和物理合理性之间找到最佳平衡。与传统单目标优化不同，该方法通过递进式学习路径，自动发现具有物理一致性的提示结构，避免了复杂的多目标权重调节。模型参数虽小（7B），但在多架构迁移中表现优异，验证了其高效性和实用性。整体创新点在于将物理推理能力融入提示优化流程，突破了现有方法在多目标平衡和迁移能力上的局限。
方法详解
- �� 构建物理链式推理数据集（CoT），包含原始提示、物理定律和推理链，用于监督微调。
- �� 在Qwen2.5模型上进行微调，增强其物理推理能力。
- �� 利用GRPO算法，采样多个提示候选，结合视频生成模型（如CogVideoX-2B）输出的评分，优化提示策略。
- �� 设计动态奖励调度机制，训练初期偏重语义一致性，逐步转向物理合理性，形成递进式学习路径。
- �� 训练过程中，保持视频生成模型参数不变，仅优化提示生成策略，实现模型无关性。
- �� 评估时，使用VideoPhy2基准，衡量语义和物理两个指标的提升，验证迁移能力和泛化效果。
实验设计
采用VideoPhy2基准，评估不同提示优化策略在多种T2V模型（Lavie、VideoCrafter2、CogVideoX-5B）上的性能。指标包括语义一致性（SA）和物理常识（PC），采用5分Likert评分。通过500个测试提示，比较原始提示、手工重写、GPT-4o、Promptist及本方法的效果。实验还设计了消融研究，验证奖励调度和两阶段训练的贡献。参数设置包括7B、3B、1.5B模型，训练细节遵循论文描述，确保公平性。多架构迁移测试验证模型无关性，确保方法的实用性。
结果分析
实验结果显示，PhyPrompt-7B在VideoPhy2上实现40.8%的联合成功率，较原始提示提升8.6个百分点，物理得分提升11个百分点，语义提升4.4个百分点。多架构迁移中，提升幅度最高达16.8%。消融实验表明，动态奖励调度优于静态权重，两个训练阶段共同作用显著优于单一目标优化。与GPT-4o和DeepSeek-V3等大型模型相比，参数规模较小（7B）仍能达到相似或更优性能，验证了任务导向微调的效率和效果。
应用场景
该技术可广泛应用于虚拟现实、机器人仿真、科学可视化等领域，尤其适合需要高物理真实性的内容生成。用户只需提供基础文本提示，系统自动优化为物理合理的描述，无需专业知识。未来，结合物理引擎或仿真平台，将进一步提升内容的真实性和复杂交互能力，推动生成模型在科学研究和工业仿真中的落地。
局限与展望
目前方法依赖于预定义的物理推理链，可能在未覆盖的场景中表现不足。复杂动态场景仍存在挑战，提示优化对奖励参数敏感，需调优以适应不同任务。模型在极端物理条件下的表现尚待验证，未来需结合物理引擎增强推理能力，提升泛化和鲁棒性。
通俗解读 非专业人士也能看懂
想象你在厨房做菜，很多时候你会根据食材的特性和烹饪规律调整步骤，比如知道火不能太大，否则会糊掉。现在，生成视频就像做菜，模型需要理解物理规律，比如重力、碰撞和流动。传统的模型就像只看食谱，做出来的菜可能看起来不错，但味道不对。本文的方法就像请厨师学习这些烹饪技巧，然后用强化训练让厨师自己优化菜谱，确保每次做出来的菜既好看又好吃。通过这种方式，生成的视频不仅漂亮，还符合自然规律，就像真正的厨艺一样自然。
简单解释 像给14岁少年讲一样
想象你在玩一个游戏，你可以用文字告诉游戏角色做什么，比如“让球从高处滚下来”。但如果你没有告诉它重力的规则，它可能会让球飞到天上或者穿墙。这个研究就像教游戏角色理解重力和碰撞的规则，然后让它自己学习怎么用正确的方式做事。科学家用一种叫强化学习的方法，就像给角色设定奖励，让它学会做符合自然规律的动作。这样，生成的视频就像真实世界一样，物体不会突然飞走或穿墙。研究还发现，用这种方法训练的角色，不仅在一个游戏里表现好，还能在其他不同的游戏中也表现得很好。未来，这项技术可以让虚拟世界变得更真实，像动画电影一样自然，也可以帮助机器人更聪明地理解世界。
原文摘要
State-of-the-art text-to-video (T2V) generators frequently violate physical laws despite high visual quality. We show this stems from insufficient physical constraints in prompts rather than model limitations: manually adding physics details reliably produces physically plausible videos, but requires expertise and does not scale. We present PhyPrompt, a two-stage reinforcement learning framework that automatically refines prompts for physically realistic generation. First, we fine-tune a large language model on a physics-focused Chain-of-Thought dataset to integrate principles like object motion and force interactions while preserving user intent. Second, we apply Group Relative Policy Optimization with a dynamic reward curriculum that initially prioritizes semantic fidelity, then progressively shifts toward physical commonsense. This curriculum achieves synergistic optimization: PhyPrompt-7B reaches 40.8\% joint success on VideoPhy2 (8.6pp gain), improving physical commonsense by 11pp (55.8\% to 66.8\%) while simultaneously increasing semantic adherence by 4.4pp (43.4\% to 47.8\%). Remarkably, our curriculum exceeds single-objective training on both metrics, demonstrating compositional prompt discovery beyond conventional multi-objective trade-offs. PhyPrompt outperforms GPT-4o (+3.8\% joint) and DeepSeek-V3 (+2.2\%, 100$\times$ larger) using only 7B parameters. The approach transfers zero-shot across diverse T2V architectures (Lavie, VideoCrafter2, CogVideoX-5B) with up to 16.8\% improvement, establishing that domain-specialized reinforcement learning with compositional curricula surpasses general-purpose scaling for physics-aware generation.