扩散世界模型画面越精细，往往要去噪越多步，玩家按键后只能等待；压到一步生成，速度上去了，细节和稳定性又容易下降。腾讯PCG、香港中文大学、复旦大学、上海人工智能实验室、香港科技大学等团队提出ForgeWM，训练1、2、4步不同速度的学生模型，并让系统沿已经走过的轨迹回放精修，在保持即时交互的同时逐渐提高画质。
可玩世界模型根据当前画面和键鼠或手柄动作预测下一段视频。它既要像游戏引擎一样及时响应，又要像生成模型一样补全复杂场景。传统多步扩散每一帧需多次运行网络，交互延迟高；一步蒸馏虽然快，却把所有结构和纹理决定压进一次计算，误差会随玩家持续操作累积。
同一教师模型蒸馏出1、2、4步三个速度档
ForgeWM从高质量教师模型出发，分别训练一步、两步和四步学生。部署时可根据显卡预算与交互需求切换：一步版本优先低延迟，四步版本提供更高画质，两步位于中间。不同版本共享动作条件，覆盖Minecraft式探索与CrossFPS手柄控制场景。
ForgeWM从多步教师蒸馏出不同推理步数的整体框架。
这种分档比只发布一个固定模型更接近游戏设置。实时操作阶段需要迅速响应转向、开火和移动；观战、重播或算力空闲时，则可以花更多计算改善远处结构与纹理。开发者能够用同一世界模型按场景分配延迟预算。
一步、两步和四步学生也提供了清晰的速度—质量曲线。系统不必为了最低延迟永久牺牲所有画质，也不必让每一次简单移动都承担最高推理成本。统一蒸馏框架让三个档位保持相近的动作语义，切换时更容易延续玩家控制。
先一步生成，走过的轨迹还能回放精修
ForgeWM的关键设计是Replay Refinement。玩家第一次探索时使用一步模型快速生成，系统保存动作和视频轨迹；随后把已有结果作为起点重新去噪，而不是从纯噪声再造一遍。已经确定的场景和动作成为强条件，使精修版既提升质量，又保持与原始游玩过程一致。
ForgeWM生成Minecraft与第一人称射击场景的连续操作画面。
论文报告，回放精修能达到接近四步生成的质量；与从噪声重新生成相比，它生成的结果约3倍更接近玩家实际经历的轨迹。这个指标很重要：重播如果出现另一条道路、不同敌人或错位动作，即使单帧更漂亮，也无法忠实复现游戏过程。
已有轨迹相当于给精修过程提供了时空锚点。模型可以纠正模糊纹理和局部结构，却不必重新决定玩家走向、镜头转动与事件顺序。对精彩片段导出和内容审核而言，增强版与原始操作保持对应，比重新抽样一段相似视频更有实际意义。
用户研究同时检验画质、控制与轨迹一致性
团队不仅比较图像指标，还通过用户研究评估画面质量、操作响应和整体体验。Minecraft测试强调长距离移动与场景延续，CrossFPS则加入手柄输入、快速转向和战斗动作，检验模型能否及时响应连续控制。
用户研究比较不同生成步数下的视觉质量和可玩体验。
一步模型的实时性和回放精修的画质提升来自论文设定的分辨率、硬件与游戏域，距离完整商业游戏仍有角色逻辑、长期记忆和精确碰撞等环节。不过，ForgeWM已经给出一种实际调度方式：首遍优先可玩，后续利用空闲算力逐渐增强，而不是要求一次生成同时做到所有目标。
ForgeWM回放精修与从噪声重新生成的轨迹一致性对比。
下一步让生成世界按算力动态升级
Replay Refinement可以继续扩展到云游戏、玩家精彩回放和用户生成内容。移动端先接收低步数结果保证操控，云端沿同一动作日志生成高质量版本；创作者也可固定满意的路线，只重做光照、材质或镜头，而不改变事件顺序。
更长远看，系统可以根据运动强度和画面复杂度动态选择步数：激烈战斗用一步保障延迟，静止观察时自动增加精修。若再接入显式游戏状态、音频和多人同步，ForgeWM展示的“快速草稿加轨迹忠实精修”可能成为生成式游戏世界兼顾交互与品质的一条可落地路径。
