热点事件持续更新
腾讯提出RMD蒸馏法改进长时序视频生成
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
针对自回归视频扩散模型在长时序生成中预测误差不断累积的问题，腾讯提出 Rollout-Marginal Distillation（RMD）蒸馏方法。据 AGI Hunt 2026年10月5日报道，RMD 的思路是：保留生成历史用于自回归预测，但对每个 chunk 独立对照 chunk teacher 打分，再用 video-level DMD 恢复时间连贯性。报道将 RMD 定位为破解长时序自回归视频生成误差累积的方案，除方法框架外，未披露训练细节、评测数据或开源安排。目前该工作处于方法公开阶段，尚无落地应用或第三方复现的公开信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 21:17
腾讯公开RMD蒸馏法：逐chunk对照chunk teacher打分，再用video-level DMD恢复时序连贯。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- AGI Hunt腾讯提出 RMD 蒸馏法，破解长时序自回归视频生成的误差累积
腾讯发布 Rollout-Marginal Distillation（RMD）方法，解决自回归视频扩散模型长时序生成中的预测误差累积问题。RMD 保留生成历史用于 AR 预测，但对每个 chunk 独立对照 chunk teacher 打分，再用 video-level DMD 恢复时间连贯性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。