该论文提出 Representation Forcing，用冻结视频扩散 transformer 的表征空间监督来学习少步因果初始化，取代中间教师轨迹回归，从而把预训练视频扩散模型蒸馏为少步自回归生成器；后续的非对称 DMD 流程保持不变。作者称在四步采样下，该方法在 DMD 之前比基于中间教师的初始化更好地保持生成质量，DMD 之后其四步分块模型相对所报告的因果 ODE 基线把 VBench Total 从 84.04 提升到 84.66，VisionReward 从 6.326 提升到 10.074（+59.25%）。论文以 arXiv:2610.20111 发布，作者为 Siming Fu、Zheming Fu、Lianrui Mu、Haoyang Huang、Chaojie Gu、Ruizhe He，提交日期为 2026 年 10 月 14 日。