北京
好莱坞演员本·阿弗莱克最近在一段分享里，聊的不是剧本，而是开源视频模型怎么微调。他说得很具体：先冻结基础权重，学习率设成 2e-4，然后只训练最后一层"电影感"相关的参数。
这套说法来自 Thomas Wolf 在 X 上的一条帖子。帖子里还带了一句调侃——Karpathy 从 X 上消失了，阿弗莱克倒是接上了话，招呼大家"围过来"听他讲参数怎么调。
他到底在调什么
按阿弗莱克的说法，做法是解冻权重，但只训练最后一层"cinematic layer"（电影质感层）。目标不是让模型生成随便一段视频，而是让成片能达到真实剧组的生产标准。
换句话说，他关心的不是模型能不能跑通，而是输出能不能直接进片场用。这个诉求和大多数开发者调模型时的关注点不太一样——后者往往先看指标，他先看能不能过拍摄这一关。
他为什么有资格聊这个
阿弗莱克的身份不只是演员，他还是 Artists Equity 的 CEO。这家公司是他参与创办的影视制作公司。
更早一点，他在 2022 年创办了 InterPositive，一家 16 人规模的公司。从时间线看，他对视频模型微调的关注不是临时起意，而是有一条自己的业务线索在支撑。
一个 16 人的团队，加上一个演员兼 CEO 的身份，去碰开源视频模型的微调——这件事本身就有反差。通常这类工作出现在实验室或大厂内部，现在被一个好莱坞团队拿来做，而且谈的是学习率这种具体参数。
值得留意的信号
他提到的"冻结基础权重、只训最后一层"，是微调里比较常见的省算力思路。把它用在视频模型上，指向的是一种现实需求：剧组要的是可控、可复现的画面质感，而不是每次生成都开盲盒。
阿弗莱克把学习率 2e-4 这种细节摆到台面上讲，说明这套流程在他那边已经跑过，不是概念层面的讨论。至于效果能不能真的达到"production standards"，他没有给出更多数据。
从 InterPositive 的 16 人规模，到 Artists Equity 的 CEO 身份，再到公开聊开源视频模型微调——这条线索串起来看，影视行业对生成式视频的介入，正在从"试用工具"往"自己调模型"走。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
