Glance Forcing：单条轨迹蒸馏视频扩散模型

武汉大学、新加坡国立大学等团队提出 Glance Forcing 方法，用于把双向扩散模型蒸馏为因果少步学生模型，从而将视频生成自回归化。据 2026 年 10 月 15 日报道，该方法仅需 1 条 PF-ODE 轨迹即可完成蒸馏：把去噪轨迹解耦为 slow、fast 两个互补专家，各自采用阶段定制的目标进行训练，教师模型全程冻结。效果方面，VBench Total 从 84.04 提升至 84.22，超过完全训练的 SOTA 基线；轨迹收集成本从数千 GPU 小时降至约 1 个 A100 GPU 小时，报道称由此把视频自回归化的成本降低上万倍。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。