CHAI

CHAI是一个面向视频语言建模的人机协同监督框架，旨在提升视频描述的精确性。其核心通过人类专家对模型生成的初稿进行结构化批判（critique），指导模型迭代优化最终描述；技术上支持SFT、DPO等训练范式，依托覆盖主体、场景、运动、空间布局与镜头动态的细粒度标注规范，并提供公开测试集与8B参数微调模型。适用于需高精度视频理解与生成的研究与应用，如影视内容分析、无障碍视频描述、教育视频自动化标注等场景。