Un artículo de arXiv sobre fallos de texto a vídeo indica que, en Mochi, aumentar la escala de guía repara .649 de los fallos cuando una puntuación de demanda supera un umbral ajustado, y .385 cuando queda por debajo (arXiv). Por debajo del umbral, la escala rinde más o menos igual que generar de nuevo, y los autores afirman que allí DCR es la mejor opción. Para los profesionales, lo importante es el triaje: la puntuación se lee al inicio de la eliminación de ruido, de modo que puede orientar la elección de la corrección una vez que un clip falla (arXiv).
Qué es la puntuación de demanda
Los autores definen la demanda como una puntuación de la intensidad con que el eliminador de ruido reacciona a la parte del prompt que un vídeo fallido omite. Puede leerse en el primer cuarto de la eliminación de ruido, antes de que exista ningún vídeo. Según el artículo, la puntuación cuesta aproximadamente una cuarta parte del cálculo de un vídeo.
El artículo plantea una condición para que una escala mayor ayude: el prompt no debe contener negación ni ningún evento ligado a un momento concreto, y la demanda debe ser suficientemente alta. Eso convierte un hábito de ajuste difuso en una regla que puede comprobarse para cada prompt.
Dónde una escala mayor no sirve de nada
En Mochi, aumentar la escala de guía reduce la tasa de fallos de composición rara de .472 a .297, pero no ayuda con las negaciones ni con los prompts temporales. En los prompts temporales, aumentar la escala no hace nada en los datos de los autores: la tasa de fallos pasa de .495 a .527 (p=.32). Para los prompts de negación, el artículo ofrece una explicación de la débil recuperación: la reacción del modelo puede apuntar hacia el objeto mencionado en lugar de alejarse de él, de modo que nombrar vehículos puede hacerlos más probables incluso después de la palabra no. Según los autores, una escala mayor no puede invertir la dirección de esa reacción.
Para la negación, el artículo apunta a un tipo de corrección distinto, que aleja la generación del contenido no deseado. En los prompts de negación de Mochi, NEGATE repara el 50,0 % de los fallos.
Qué muestra la Tabla 2 en tres modelos
| Bloque de la tabla | Negación | Comp. rara | Temporal | Página de origen | |
|---|---|---|---|---|---|
| (a) Correlation between demand and failure, within each failure type | Mochi | +0.092 | -0.176 | -0.116 | https://arxiv.org/html/2611.23025 |
| (a) Correlation between demand and failure, within each failure type | HunyuanVideo | +0.290 | -0.345 | -0.267 | https://arxiv.org/html/2611.23025 |
| (a) Correlation between demand and failure, within each failure type | CogVideoX | +0.148 | -0.070 | -0.043 | https://arxiv.org/html/2611.23025 |
La tabla ofrece la correlación entre fallo y demanda dentro de cada tipo de fallo, para Mochi, HunyuanVideo y CogVideoX. Los prompts de negación que fallan tienen una demanda mayor que los que tienen éxito, mientras que los de composición rara y los temporales que fallan tienen una demanda menor, y la dirección es la misma en los tres modelos. La correlación de negación va de +0,092 en Mochi a +0,290 en HunyuanVideo. El cambio de signo entre la negación y los otros dos tipos es lo que hace utilizable la demanda como guía: una puntuación alta es una buena noticia para la composición rara, pero una señal de alerta para la negación. Las correlaciones no son grandes, y CogVideoX es el caso más débil, con +0,148 para la negación, -0,070 para la composición rara y -0,043 para los prompts temporales. HunyuanVideo muestra los valores más fuertes, como -0,345 para la composición rara, frente a -0,176 en Mochi.
Los autores también señalan que una puntuación de demanda medida en un modelo predice los fallos sin tratar en otro casi tan bien como la puntuación propia del segundo modelo. El artículo añade que las circunstancias en las que una escala mayor ayuda varían de un modelo a otro.
Límites del alcance del resultado
Los resultados de los clips tratados se establecieron en Mochi. La escala mayor se comporta de forma distinta en CogVideoX, por lo que el artículo dice que las condiciones deben medirse de nuevo en cada modelo, y que lo que se traslada es la medición de la demanda. Cada etiqueta de fallo procede de un único modelo juez con instrucciones escritas fijas. Las repeticiones con semillas compartidas, un control con nueva semilla y un barrido de cinco escalas coinciden con los tres resultados que presenta el artículo.
Las mejoras predictivas que aporta la demanda son modestas, así que los autores la tratan como una guía para elegir qué probar tras un fallo, no como un detector de fallos. Dentro de la composición rara, los predictores construidos a partir del texto están al nivel del azar en dos de tres modelos, con AUROC .520 y .523, donde .500 es el azar. En el cuartil más bajo de demanda, el intervalo de la escala mayor incluye el cero, de modo que el beneficio allí no se distingue de la ausencia de efecto.
La frontera que trazan los autores es específica de las correcciones que actúan en la actualización de guía sin clasificador, y saber si otros métodos obedecen el mismo umbral de demanda es la siguiente pregunta natural. En la práctica, quien aplique esto a otro modelo tendría que medir de nuevo el umbral antes de fiarse de la cifra de .649, que el artículo indica para Mochi.
Cómo lo hemos hecho
Resultados publicadosTabla 2 del artículo: lo que muestra la demanda
Filas de la Tabla 2 del artículo (versión HTML de arXiv), copiadas celda por celda por nuestro código; una cabecera de dos filas se muestra como «grupo: columna»; una celda de nombre vacía repite la de arriba. Son cifras de los propios autores, no una prueba independiente. La primera columna es el bloque de la tabla en que está la fila. Un bloque con columnas propias no se muestra. Filas: las 3 primeras de 6. De sus 2 bloques, no se muestra: (b) AUROC ganado al añadir la demanda a todos los predictores solo de texto (3 filas).
Fuentes
Las fuentes a partir de las que se escribió este artículo. Los enlaces abren la página original.



