CineForge: 用于长程视频生成的自我改进智能体

长程、故事驱动的视频生成需要一个制作智能体来协调叙事拆解、状态跟踪、镜头设计、提示词构建、渲染以及跨相互依赖场景的修订。现有的自适应视频系统主要是优化请求或可复用技能，但这些改进与跨故事、面向特定阶段的持续改进相脱节。我们提出 CineForge，这是一个自我进化的视频制作智能体框架，将用于视频生成的 CineForge-Produce 与用于跨故事策略演化的 CineForge-Evolve 结合起来。CineForge-Produce 将每个源故事组织为类型化的叙事、角色、空间和电影状态，利用它们协调素材和片段生成，并将过程记录为规范化的制作轨迹。CineForge-Evolve 采用 Case-to-Pattern-to-Policy Evolution (CPPE) 来审查轨迹证据，将重复出现的发现整合为有界的阶段局部补丁，并通过结构化重放和置信度受控的成对评估部署经过验证的更新。为了衡量完整的故事实现，我们提出 CineScope，它结合了一个包含 100 个脚本的 CineScope-Data 套件，以及一个与人类对齐的多尺度 CineScope-Metric，覆盖因果状态、导演编排、节奏与资源分配，以及角色弧线。在 CineScope-Data 和两个公共基准上，演化后的 CineForge 策略将 CineScope-Metric 从 4.024 提升到 4.380，在 ScriptAgent 下相较三个长视频基线取得一致增益，并在新故事上将审查 LLM 调用减少 37.0%。这些结果表明，制作轨迹可作为可操作的经验，使视频智能体能够在长篇叙事任务中累积改进。