تطورت نماذج توليد الفيديو بشكل مذهل، حيث انتقلت من إنتاج مقاطع قصيرة ذات جودة منخفضة إلى إنشاء تسلسلات طويلة وعالية الدقة تحتوي على ديناميكيات مكانية وزمنية معقدة. ورغم قوة النماذج الأولية المستندة إلى تدريب ضخم، إلا أن الكثير من هذه النماذج تواجه صعوبة في متابعة النوايا البشرية بدقة، والحفاظ على تماسك زمني، أو الالتزام بالقيود الفيزيائية والأمنية.

تعتبر عملية التوافق في توليد الفيديو مختلفة عن توليد الصور والنصوص، حيث تواجه تحديات فريدة مثل تراكم الأخطاء مع مرور الوقت، والتشابك بين الحركة والمظهر، والموازنات متعددة الأهداف، وندرة الإشراف على الخصائص الزمنية. تدفع هذه التحديات إلى تطوير استراتيجيات ما بعد التدريب التي تعدل النماذج المدربة مسبقًا بدون الحاجة لإعادة التدريب من الصفر.

هذا المقال هو أول مراجعة شاملة لاستراتيجيات ما بعد التدريب والتوافق في نماذج توليد الفيديو. حيث نعتبر ما بعد التدريب إطارًا موحدًا، ونعلم بأن هناك نوعين من التوافق: التوافق الضمني (implicit alignment) والتوافق الصريح (explicit alignment)، اعتمادًا على كيفية تطبيق إشارات التوافق.

نقدم تقسيمًا لأساليب ما بعد التدريب إلى أربع فئات شاملة: طرق التحسين الذاتي المدعومة بالإشراف، وأساليب التدريب الذاتي والتقليص، والأساليب المستندة إلى التفضيلات والمكافآت، وأساليب وقت الاستنتاج. يوفر هذا التصنيف رؤية واضحة لكيفية تشكيل إشارات التوافق سلوك النماذج أثناء كل من التدريب والنشر.

إلى جانب التقدم المنهجي، نستعرض أيضًا مجموعات البيانات الشائعة، والمعايير، وممارسات التقييم، ونناقش التحديات المفتوحة مثل تصميم المكافآت القابلة للتوسع، والتناسق الزمني على المدى الطويل، والتجارة بين الاستقرار والتعبير، وتوليد مدروس من الناحية الأمنية. يهدف هذا البحث إلى تقديم قاعدة مفاهيمية منظمة وإرشادات عملية لتعزيز نماذج توليد الفيديو القابلة للتحكم والموثوقة.