← 世界模型 / 生成与轨迹规划时间轴与噪声轴的联合建模NeurIPS 2024 · Fig. 2 · p.3 ↗
正式发表 / World Models
Diffusion Forcing
Diffusion Forcing: Next-token Prediction Meets Full-Sequence Diffusion
NeurIPS · 2024CCF A
快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗
关键框架 FRAMEWORK
训练因果序列网络处理每个 token 不同的噪声程度,把时间上的预测和扩散中的去噪结合起来。
- 01独立采样噪声等级
- 02训练因果去噪器
- 03按调度生成与引导
THE IDEA
它在解决什么
训练因果序列网络处理每个 token 不同的噪声程度,把时间上的预测和扩散中的去噪结合起来。
WHY READ IT
为什么放在这条路线
相对整段统一噪声扩散,它允许不同未来步保留不同不确定性;与普通自回归预测相比可对未来片段进行联合引导。
READ WITH A QUESTION
读的时候,留意什么
它是序列建模方法,视频、规划与控制实验分别有训练设置;不代表一个模型开箱通用。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器