LocalDPO: Teaching Video AIs to Sweat the Small Stuff

LocalDPO: Teaching Video AIs to Sweat the Small Stuff

Teaching video AIs to sweat the small stuff

Text-to-video models often miss human-preferred details or waste compute learning from vague, whole-video feedback. LocalDPO, a new training recipe, targets the exact frames and regions that need improvement—no human labels or extra critic model required.

  • How it works: Use a real, high-quality video as the “good” example, then corrupt small space–time patches to create a “bad” version. Train the model to prefer fixes only in those corrupted spots.
  • Why it matters: Local, region-aware feedback speeds up learning, sharpens details, and boosts temporal coherence—without multi-sample rankings or extra inference passes.
  • Results: On Wan2.1 and CogVideoX, LocalDPO improves visual fidelity and human preference scores over other post-training methods.

Bottom line: smarter, fine-grained alignment for more natural, stable videos from your prompts.

Paper: https://arxiv.org/abs/2601.04068v1

Paper: https://arxiv.org/abs/2601.04068v1

Register: https://www.AiFeta.com

AI Video GenerativeAI DiffusionModels ComputerVision MachineLearning TextToVideo Research

Read more

Pieni kielimalli oppi kysymään taulukoilta ihmisen puolesta

Pieni kielimalli oppi kysymään taulukoilta ihmisen puolesta

Moni on tuijottanut Exceliä ja toivonut voivansa vain kysyä: missä kaupunginosissa koti on kävelymatkan päässä terveysasemasta ja ruokakaupasta? Ihmismielelle yksinkertainen pyyntö muuttuu helposti tuntien suodatukseksi ja kaavanviilaukseksi. Tietokone kyllä tietää vastauksen – jos vain osaisimme puhua sen kieltä. Viime vuosina apua on pyydetty juttelevalta tekoälyltä. Se osaa etsiä ja tiivistää tekstejä,

By Kari Jaaskelainen
Tekoäly vastaa fiksummin, kun sille annetaan oikea tieto oikealla tavalla

Tekoäly vastaa fiksummin, kun sille annetaan oikea tieto oikealla tavalla

Katsaus kokoaa, miten kielimalleja voi vahvistaa antamalla niille jäsenneltyä lisätietoa vastaushetkellä – yksinkertaisista vihjeistä aina syy–seurausketjuiksi järjestettyyn taustaan. Kuvittele, että pyydät tekoälyä selittämään, mitä uusi lakimuutos tarkoittaa pienyrittäjälle. Yleismallinen kielimalli osaa puhua aiheesta sujuvasti, mutta jos laki on muuttunut äskettäin, vastauksessa voi olla vanhaa tietoa tai epävarmoja arvailuja. Sama kokemus

By Kari Jaaskelainen
Tekoäly voi olla sekä nopea että säästeliäs – jos se oppii milloin ajatella ääneen

Tekoäly voi olla sekä nopea että säästeliäs – jos se oppii milloin ajatella ääneen

Kuvittele chat-ikkuna, jossa vastaus alkaa rönsyillä: ensin pari perustelua, sitten varmistus, lopulta vielä varmistuksen varmistus. Käyttäjä odottaa, laskutus juoksee. Tekoälymallit hinnoitellaan usein “tokeneina” – sananpaloina – joten jokainen turha kiemura maksaa sekä aikaa että rahaa. Vuosia alalla vallitsi hiljainen oletus: mitä enemmän mallilla on laskentatehoa ja mitä pidemmin se ”miettii”, sitä parempaa

By Kari Jaaskelainen