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 autoregressive video diffusion enables efficient generation, yet maintaining consistency over long rollouts remains challenging, especially when subjects or scenes reappear after going out of sight. Despite progress in fidelity and rollout robustness, existing distillation methods do not fully exploit richer h
阅读原文 · Hangyi Kuang, Chengzhi Wang, Yefei He, Weijie Wang, Yuke Zhao, Zhuokun Chen, Zisu Huang, Yifan Yang, Xiaoxuan He, Feng Chen, Bohan Zhuang
向阳乔木 · opencode-go/deepseek-v4.1-flash
视频生成模型做长了容易“忘事”：镜头一转走，再转回来，人变了、场景也变了。这篇论文要解决的就是这个长时程一致性问题，而且给出了可量化的改进。如果你在关注自回归视频生成或 World Model 方向，值得花十分钟看摘要。 论文叫 History Forcing，来自一个 11 人团队，2026 年 11 月挂在 arXiv 上。核心主张很直接： 现有的少步蒸...