以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Few-step sampling reduces the cost of streaming video generation. Distribution Matching Distillation (DMD) supervises few-step generators with a separate fake-score network, which adds training memory and computation and must track the evolving generator. We extend APEX to streaming video by using condition shifting to
阅读原文 · Deyuan Liu, Jungang Li, Kaiwen Zheng, Kai Jiang, Jintao Chen, Yaole Wang, Ming Lin, Tao Lin, Jianfei Chen, Jun Zhu, Jintao Zhang
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文值得看的地方，不在它把视频生成做得多漂亮，而在它动了一个训练成本上的硬骨头。 少步采样是流式视频生成降本的关键，但常见的 DMD 做法要额外挂一个 fake-score 网络，显存和算力都得加，还得跟着生成器一起更新。这篇论文想把这个独立网络拿掉。 它的做法是把条件错位（condition shifting）用进流式视频：同一套参数，原始文本条件负责...