Delta Forcing：面向交互式自回归视频生成的信任区域引导

arXiv 2026 46.8 method, application

TLDR

Delta Forcing 使用信任区域引导来平衡交互式自回归视频生成中的反应性和稳定性。

评分理由

The paper identifies a key issue (conditional bias) in interactive video generation and proposes a novel method inspired by TRPO. Strengths include clear problem formulation and promising experimental results. Weaknesses: limited detail on real-world benchmarks and potential scalability concerns.

Read-first 评分解释

综合优先阅读分 46.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 31。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

78.1

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.78074845

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：实验

主题相关性 29%

44.3

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：306。

关键词评分

video world model

interactive world model

world model

generative world model

world dynamics prediction

model-based reinforcement learning world model

world simulator

深度分析

创新点

识别出条件偏差是自回归视频生成在条件变化后持续漂移的原因
提出受信任区域策略优化启发的 Delta Forcing 框架，将不可靠的教师监督约束在自适应信任区域内
从教师和生成器轨迹之间的潜在增量估计过渡一致性
通过单调连续性目标平衡教师监督，抑制不可靠的教师引起的偏移，同时保持响应性

方法

Delta Forcing 从教师和生成器轨迹之间的潜在增量估计过渡一致性，并利用该一致性在自适应信任区域内平衡教师监督与单调连续性目标，受信任区域策略优化启发。该框架应用于交互式自回归视频生成，以解决反应性和稳定性之间的平衡挑战。

关键结果

大量实验表明，Delta Forcing 在保持事件响应性的同时显著提升了一致性。

技术栈

autoregressive modelsTrust Region Policy Optimizationlatent delta estimation

资源

论文