Glance Forcing：扩散模型单轨迹蒸馏自回归化
AI 总结
arXiv 论文（arXiv:2610.20220，2026年10月14日提交）提出 Glance Forcing，一种轻量蒸馏框架，用于把双向扩散视频模型转换成因果的少步自回归学生模型。作者指出，现有流程依赖离线 Probability Flow ODE 轨迹，成本高达数万 GPU 小时和数 TB 存储；Glance Forcing 把去噪轨迹拆成慢、快两个专家，各自使用分阶段目标，同时保持预训练教师模型完全冻结。论文称只用一条 PF-ODE 轨迹，VBench 总分从 84.04 提升到 84.22，轨迹采集成本从数千 GPU 小时降至约 1 个 A100 GPU 小时，并在动态度、VisionReward 和指令跟随上提升更明显，人类评审也一致偏好该方法。
深度见解
若结果可复现，单轨迹蒸馏有望大幅降低视频世界模型与实时视频生成的自回归化训练成本。
Computer Science > Computer Vision and Pattern Recognition
arXiv:2610.20220 (cs)
[Submitted on 14 Oct 2026]
Title:Glance Forcing: Making Bidirectional Diffusion Autoregressive at a Glance
Authors:Zhuobai Dong, Junchao Yi, Hu Jian Guo, Linjie Li, Rui Zhao, Alex Jinpeng Wang
View a PDF of the paper titled Glance Forcing: Making Bidirectional Diffusion Autoregressive at a Glance, by Zhuobai Dong and 5 other authors