Adversarial Gradient Forcing for Robust Few-Step Autoregressive Video Generation
Zhejiang University（浙江大学）；Alibaba Group（阿里巴巴集团）；Nanjing University（南京大学）
针对自回归视频生成的局部历史鲁棒性差距，提出AGF框架，通过联合训练原始与扰动历史提升鲁棒性，在60秒视频生成获VBench最高分，4分钟视频生成视觉质量最优，仅需5秒回推训练。
2026-10-14 cs.CV
ForcingBooster: Adaptive Patch-wise Denoising for Fast Autoregressive Video Diffusion
HKUST（香港科技大学）；VAST（蔚星科技）；Macau University of Science and Technology（澳门科技大学）
针对自回归视频扩散模型均匀分配计算导致冗余或细化不足的问题，提出ForcingBooster框架动态分配去噪步骤，减少约50%去噪步骤且保持视觉质量，兼容现有少步模型。
2026-10-12 cs.CV
Future Forcing: Future-aware Training-free KV Cache Policy for Autoregressive Video Generation
BUAA（北京航空航天大学）；ZGCA（中广核人工智能研究院）；PKU（北京大学）；CASIA（中国科学院自动化研究所）；USTC（中国科学技术大学）；NUS（新加坡国立大学）
提出Future Forcing，一种无需训练的未来感知KV缓存策略，通过利用自回归视频模型中查询分布的平稳性来估计未来查询，从而改进长视频生成的一致性。
2026-05-28 cs.CV
Ring Forcing: Towards Precise Long-Term Memory for Autoregressive Video Diffusion
Stanford University（斯坦福大学）；Massachusetts Institute of Technology（麻省理工学院）；Peking University（北京大学）；University of California, Berkeley（加州大学伯克利分校）；ByteDance（字节跳动）
针对自回归视频扩散模型的长期记忆瓶颈，提出Ring Forcing框架，通过环形训练策略、压缩与时间步组合策略及稀疏RoPE机制，实现分钟级视频生成的优异连贯性与物体恒常性，性能优于现有方法。
2026-08-28 cs.CV
Knot Forcing: Taming Autoregressive Video Diffusion Models for Real-time Infinite Interactive Portrait Animation
Tongyi Lab, Alibaba Group（通义实验室，阿里集团）
Knot Forcing通过分块生成、时间结模块和提前运行机制，解决实时肖像动画中的时间一致性、误差累积和长期一致性问题，实现高保真、低延迟的无限交互动画。
2025-12-29 cs.CV
Causal-rCM: A Unified Teacher-Forcing and Self-Forcing Open Recipe for Autoregressive Diffusion Distillation in Streaming Video Generation and Interactive World Models
Tsinghua University（清华大学）；UT Austin（德克萨斯大学奥斯汀分校）；NVIDIA（英伟达）
提出Causal-rCM框架，将扩散蒸馏扩展到自回归视频扩散，通过教师强制（前向散度）与自我强制（反向散度）互补，实现流式视频生成和交互式世界模型，在帧级和块级设置中达到最先进性能。
2026-06-25 cs.CV cs.LG
Speculative Forcing for Efficient Autoregressive Video Generation
KAIST AI（韩国科学技术院AI学院）；NAVER AI Lab（NAVER AI实验室）
该研究提出Speculative Forcing框架，通过提前接受无需进一步细化的token减少自回归视频生成的去噪步骤，在保持生成质量的同时，于LongLive和Lingbot-World 2.0等数据集上实现了显著的速度提升。
2026-10-16 cs.CV
Recency Forcing: Bridging the Long-Horizon Gap in Autoregressive Video Generation
Qualcomm AI Research（高通人工智能研究院）
针对自回归视频生成长视界性能下降问题，提出近期性强制方法，通过时间响应偏置调整注意力，弥合训练-推理差距，实现无额外推理成本的最优长视界生成。
2026-09-18 cs.CV
Context Forcing: Consistent Autoregressive Video Generation with Long Context
Department of EECS, University of California, Merced, USA（加州大学梅尔塞德斯分校电子工程与计算机科学系）；University of Waterloo, Canada（滑铁卢大学）
Context Forcing通过长上下文教师训练学生，解决长视频生成中的学生-教师不匹配问题，实现更长的上下文长度和更一致的生成质量。
2026-02-05 cs.CV
Rolling Forcing: Autoregressive Long Video Diffusion in Real Time
Nanyang Technological University（南洋理工大学）；ARC Lab, Tencent PCG（腾讯PCG ARC实验室）
针对流式长视频生成中的误差累积问题，本文提出 Rolling Forcing，通过多帧联合去噪、attention sink 和扩展窗口少步蒸馏，在单 GPU 上实现数分钟实时长视频生成。
2025-09-29 cs.CV
Head Forcing: Long Autoregressive Video Generation via Head Heterogeneity
AGI Lab, Westlake University University of California at Merced StepFun
本文提出Head Forcing框架，通过差异化分配KV缓存策略提升长视频生成质量，实现分钟级生成并支持多提示交互。
2026-05-14 cs.AI cs.CV
Reward-Forcing: Autoregressive Video Generation with Reward Feedback
University of California, San Diego（加利福尼亚大学圣迭戈分校）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
本文提出一种利用奖励信号指导生成的自回归视频生成方法，提升了生成效率和可扩展性，实验表明其性能与现有自回归模型相当，甚至在某些情况下超越了双向模型。
2026-04-02 cs.CV cs.LG
Sparse Forcing: Native Trainable Sparse Attention for Real-time Autoregressive Diffusion Video Generation
Meta Superintelligence Labs（Meta超智能实验室）；University of California, Santa Barbara（加州大学圣芭芭拉分校）
本文提出稀疏强制方法，通过在训练和推理中提升长时程生成质量并降低解码延迟，采用可训练的原生稀疏机制和高效的GPU内核PBSA来加速稀疏注意力和内存更新。
2026-04-23 cs.CV cs.LG
Mask Forcing: Improving Autoregressive Video Diffusion Distillation via Dual-Noise Masking Rollout
HKUST(GZ)（香港科技大学（广州））；HKUST（香港科技大学）；LIGHTSPEED；UCSD（加利福尼亚大学圣地亚哥分校）；CUHK(SZ)（香港中文大学（深圳））；NUS（新加坡国立大学）
针对自回归视频扩散蒸馏中的模式坍缩问题，提出双噪声掩码展开策略，通过随机掩码注入干净信号扰动学生自展开，提升多种蒸馏方法的视觉质量。
2026-09-09 cs.CV
Relax Forcing: Relaxed KV-Memory for Consistent Long Video Generation
Queen Mary University of London（伦敦玛丽女王大学）；Imperial College London（伦敦帝国学院）
本文提出Relax Forcing机制，通过结构化时间内存提升长视频生成的运动动态和时间一致性，减少注意力开销。
2026-08-31 cs.CV
Light Forcing: Accelerating Autoregressive Video Diffusion via Sparse Attention
Nanjing University of Posts and Telecommunications（南京邮电大学）
针对自回归视频生成模型中注意力二次复杂度问题，提出首个稀疏注意力方案Light Forcing，通过块感知增长机制和分层稀疏注意力实现质量和效率提升。
2026-08-04 cs.CV
Delta Forcing: Trust Region Steering for Interactive Autoregressive Video Generation
Texas A\&M University（德克萨斯A&M大学）；University of Washington（华盛顿大学）
本文提出Delta Forcing方法，通过约束不可靠的教师监督在适应性信任区域中，以提高自回归视频生成的一致性并保持对新事件的响应性。
2026-08-11 cs.CV cs.GR cs.MM
Causal Forcing++: Scalable Few-Step Autoregressive Diffusion Distillation for Real-Time Interactive Video Generation
Tsinghua University（清华大学）；ShengShu（盛数）；Renmin University of China（中国人民大学）
提出Causal Forcing++框架，通过因果一致性蒸馏（causal CD）实现帧级1-2步自回归扩散蒸馏，在降低延迟和训练成本的同时提升视频生成质量。
2026-10-06 cs.CV
In-Context Forcing: Uncovering Context Effects in Autoregressive Video Diffusion
School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）；Tencent Youtu Lab（腾讯云图实验室）；College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
针对自回归视频扩散模型依赖干净帧导致的时间一致性差等问题，提出In-Context Forcing方法，通过递减噪声水平的上下文实现自适应指导，兼具时间一致性与动态性，还可并行去噪加速推理，在VBench上性能优于SOTA。
2026-08-07 cs.AI cs.CV
Mutual Forcing: Dual-Mode Self-Evolution for Fast Autoregressive Audio-Video Character Generation
VCIP, School of Computer Science, Nankai University（南开大学计算机科学学院VCIP实验室）；Tongyi Lab（通义实验室）；Peking University（北京大学）
本文提出Mutual Forcing框架，通过双阶段训练策略解决音频视频联合建模与快速自回归生成问题，通过共享参数实现自蒸馏，提升训练推理一致性，相比传统方法更高效且质量更优。
2026-04-28 cs.CV cs.SD
Self Gradient Forcing: Native Long Video Extrapolation
Joy Future Academy（京东探索研究院）
研究针对自回归视频扩散方法的历史上下文梯度差距问题，提出自梯度强制（SGF）两阶段训练策略，利用未来视频潜变量损失监督模型将上下文编码为有效因果记忆，在长视频外推实验中效果优于自强制。
2026-07-27 cs.CV
Self Forcing: Bridging the Train-Test Gap in Autoregressive Video Diffusion
Adobe Research（Adobe研究院）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出 Self Forcing 训练范式，通过在训练时基于自生成输出进行自回归展开和视频级整体损失监督，并配合少步扩散、梯度截断与滚动 KV 缓存，在单 GPU 上实现亚秒级实时视频生成，弥合自回归视频扩散中的训练-测试差距。
2025-11-10 cs.AI cs.CV cs.LG
One-Forcing: Towards Stable One-Step Autoregressive Video Generation
Tsinghua University（清华大学）；UCLA（加州大学洛杉矶分校）
针对现有少步自回归视频生成方法在一步设置下质量严重下降的问题，提出One-Forcing方法，通过向DMD目标添加辅助GAN损失，实现高质量高效的一步视频生成，在VBench上达到83.76总分，成为一步因果视频生成中的最优方法。
2026-09-29 cs.AI cs.CV
Glance Forcing: Making Bidirectional Diffusion Autoregressive at a Glance
Wuhan University（武汉大学）；University of Electronic Science and Technology of China（电子科技大学）；Sun Yat-sen University（中山大学）；University of Washington（华盛顿大学）；National University of Singapore（新加坡国立大学）；Central South University（中南大学）
本文提出Glance Forcing轻量蒸馏框架，将双向扩散模型的去噪轨迹解耦为快慢专家，仅用1条PF-ODE轨迹就提升了视频生成质量并大幅降低了成本。
2026-10-14 cs.CV
Focused Forcing: Content-Aware Per-Frame KV Selection for Efficient Autoregressive Video Diffusion
SJTU（上海交通大学）；SDU（山东大学）；HUST（华中科技大学）；UTokyo（东京大学）；HKUST（香港科技大学）；SCUT（上海大学）；Shanghai AI Lab（上海人工智能实验室）
本文提出了一种无需训练的KV选择方法，通过结合注意力分数和历史帧的多样性分数，保留最相关和有区别的历史帧，从而在不牺牲质量的情况下提高自回归视频扩散的效率。
2026-05-18 cs.AI cs.CV
From Scores to Samples: Elastic Forcing for Autoregressive Video Generation
College of AI, Tsinghua University（清华大学人工智能学院）；IAIR, Xi’an Jiaotong University（西安交通大学人工智能与机器人研究所）；Xianghui Academy, Fudan University（复旦大学相辉学院）；Peking University（北京大学）；BAAI（北京智源人工智能研究院）
本文提出弹性强制方法，直接从参考视频学习自回归生成分布，消除蒸馏中的分数模型，提升VBench总分并支持更大规模训练。
2026-10-01 cs.AI cs.CV
FrameFold: Response-Guided KV Cache Consolidation for Autoregressive Long Video Generation
ShanghaiTech University（上海科技大学）；vivo Mobile Communication Co., Ltd.（维沃移动通信有限公司）
FrameFold是一种无需训练的KV缓存整合方法，通过响应引导合并历史KV状态，在固定缓存预算下提升长视频生成的一致性与视觉质量，且长时间生成的质量下降程度低于基线。
2026-10-14 cs.CV
Connected Self Forcing: Beyond Local Learning in Video Autoregression
XPeng（小鹏汽车）；The Chinese University of Hong Kong（香港中文大学）；Tsinghua University（清华大学）
该研究提出连接自强迫训练框架，通过捷径梯度重放重新连接自回归视频生成的跨块梯度路径，结合分布匹配蒸馏，在不改变推理流程的前提下提升了长时程视频的视觉质量与时间一致性。
2026-10-09 cs.CV
Efficient Autoregressive Video Diffusion with Dummy Head
Tsinghua University（清华大学）；Microsoft Research Asia（微软亚洲研究院）；Johns Hopkins University（约翰霍普金斯大学）；University of Science and Technology of China（中国科学技术大学）
本文提出Dummy Forcing方法，通过优化多头自注意力机制的内存分配和上下文管理，提升视频扩散模型的生成速度，同时保持高质量输出。
2026-01-28 cs.CV
Rolling Sink: Bridging Limited-Horizon Training and Open-Ended Testing in Autoregressive Video Diffusion
UC San Diego（加州大学圣地亚哥分校）；Adobe Research（Adobe研究院）
本文提出Rolling Sink，通过分析AR缓存维护，实现无需训练的超长视频生成，提升视觉质量和时间一致性。
2026-08-31 cs.CV
DyStream: Streaming Dyadic Talking Heads Generation via Flow Matching-based Autoregressive Model
Zhejiang University（浙江大学）；The University of Tokyo（东京大学）
DyStream通过基于流匹配的自回归模型实现双人谈话头视频的实时生成，有效降低延迟并提升唇同步质量。
2026-02-02 cs.CV
Deep Forcing: Training-Free Long Video Generation with Deep Sink and Participative Compression
KAIST AI（韩国科学技术院人工智能研究所）
深度强制通过深度Sink和参与性压缩机制，在无需微调的情况下实现长视频生成，提升生成质量与动态效果。
2025-12-04 cs.CV
Memory Forcing: Spatio-Temporal Memory for Consistent Scene Generation on Minecraft
针对 Minecraft 交互场景生成中新场景质量与重访空间一致性的权衡，提出结合几何索引空间记忆、混合训练与链式展开训练的 Memory Forcing 框架。
2025-10-03 cs.CV
MV-Forcing: Long Multi-View Video Generation via 4D-Grounded Spatio-Temporal Self-Forcing
The Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Cornell University（康奈尔大学）
针对动态场景长时多视角一致视频生成难题，提出MV-Forcing框架，融合时序与视角自回归，实现任意时长视角数的高一致性多视角视频生成。
2026-07-07 cs.CV cs.GR
RepForcing: Representation-Space Initialization for Autoregressive Video Distillation
Joy Future Academy Zhejiang University（浙江大学 未来技术学院）
RepForcing是一种用于自回归视频蒸馏的表示空间初始化方法，通过表示空间监督替代中间教师轨迹回归，在4步采样下，经分布匹配蒸馏后，可提升视频生成的VBench总分与VisionReward指标。
2026-10-14 cs.CV
TempoKV: Predictive KV Cache Quantization for Autoregressive Video Generation
Shanghai Jiao Tong University（上海交通大学）；South China University of Technology（华南理工大学）；Alibaba Group（阿里巴巴集团）
TempoKV是一种无训练的预测型KV缓存量化框架，针对自回归视频生成设计，通过利用视频KV缓存的时空特性实现最高6.71倍压缩，且生成质量优于现有方法。
2026-10-14 cs.CV
Where and When to Force: Routed Forcing for Streaming Avatars
Tsinghua University（清华大学）；Joy Future Academy, JD（京东探索研究院）；Southeast University（东南大学）
针对流式虚拟形象生成中DMD蒸馏导致动态和多样性坍缩的问题，提出路由强制方法，按语义区域和噪声阶段路由蒸馏目标，动态性提升45%，多样性提升7-25%。
2026-09-28 cs.CV
Pyramid Forcing: Head-Aware Pyramid KV Cache Policy for High-Quality Long Video Generation
Peking University（北京大学）；South China University of Technology（华南理工大学）；Xinjiang University（新疆大学）；Beihang University（北京航空航天大学）；Zhongguancun Academy（中关村学院）
本文提出Pyramid Forcing，通过识别不同头部类型并分配特定缓存策略，提升长视频生成质量，实验显示在VBench-Long上Self Forcing得分提升。
2026-05-13 cs.CV
Equilibrium Forcing: Adaptive Video Generation Without Noise Conditioning
UC San Diego（加州大学圣地亚哥分校）；MIT（麻省理工学院）；Harvard University（哈佛大学）
该研究提出无需噪声条件的均衡强迫（EqF）框架，解耦去噪场学习与采样，实现自适应闭环推理，提升自回归视频生成的质量与一致性，性能优于传统噪声条件方法。
2026-10-15 cs.AI cs.CV cs.LG
Diffusion Forcing for Multi-Agent Interaction Sequence Modeling
Sony Group Corporation（索尼集团公司）；Meta；UC Berkeley（加州大学伯克利分校）
本文提出MAGNet框架，通过灵活的条件和采样生成多智能体运动序列，支持多种交互任务，实现长序列生成和智能体间协调。
2026-03-26 cs.CV cs.RO
Causal Motion Diffusion Models for Autoregressive Motion Generation
LY Corporation（LY公司）；Waseda University（早稻田大学）
本文提出因果运动扩散模型，通过因果扩散变换器实现高质量运动生成，提升语义保真度与时间平滑度，同时减少推理延迟。
2026-02-26 cs.CV
SAGA: Stable Acceleration Guidance for Autoregressive Video Generation
University of Science, VNU-HCM（越南胡志明市国家大学）；Vietnam National University（越南国家大学）；University of Dayton（Dayton 大学）
研究自回归视频生成中因重复使用潜在变量致时间误差问题，提出SAGA方法，它整合加速域频谱引导目标与初始化策略，无需训练可直接用于现有模型，能提升时间质量、减少时间不稳定性并保持视觉保真度。
2026-10-02 cs.CV
End-to-End Training for Autoregressive Video Diffusion via Self-Resampling
The Chinese University of Hong Kong（香港中文大学）；ByteDance Seed（字节跳动Seed）；ByteDance（字节跳动）
提出自回归视频扩散模型的端到端训练框架Resampling Forcing，通过自重采样模拟推理错误，结合稀疏因果掩码和动态历史路由，实现长视频生成的时间一致性。
2026-07-02 cs.CV
VGGT-World: Transforming VGGT into an Autoregressive Geometry World Model
UQMM Lab, The University of Queensland（昆士兰大学UQMM实验室）；Beijing Jiaotong University（北京交通大学）
本文提出VGGT-World，通过自回归方法预测冻结几何基础模型特征的时空演变，提升深度预测性能并提高效率。
2026-03-13 cs.CV
JoyStreamer-Flash: Real-time and Infinite Audio-Driven Avatar Generation with Autoregressive Diffusion
JD Technology（京东科技）
本文提出JoyStreamer-Flash，一种能实现实时推断和无限长度视频生成的音频驱动自回归模型，通过渐进式步进 bootstrap、运动条件注入和无界RoPE via Cache-Resetting提升生成质量与一致性。
2026-03-31 cs.CV
SGF+: Decoupling Gradient Flows for Autoregressive Video Generation
Tsinghua University（清华大学）；Joy Future Academy（京东探索研究院）；The Chinese University of Hong Kong（香港中文大学）
SGF+通过为自回归视频生成中的上下文写入和去噪分配独立参数，解耦梯度流，在不增加训练数据的情况下提升视觉质量与长时程一致性，并支持长达24小时的连续生成。
2026-10-09 cs.CV
Beyond Next-Token: Next-X Prediction for Autoregressive Visual Generation
Johns Hopkins University（约翰斯·霍普金斯大学）；ByteDance（字节跳动）
该研究提出通用自回归框架xAR，将预测单元从Token扩展为多粒度实体X，结合流匹配与带噪上下文学习缓解暴露偏差，在ImageNet-256基准上实现了更优生成效果与更快推理速度。
2025-03-20 cs.CV
AR-CoPO: Align Autoregressive Video Generation with Contrastive Policy Optimization
CUHK MMLab（香港中文大学多媒体实验室）；Vivix Group Limited（Vivix集团有限公司）；HKUST（香港科技大学）；Shenzhen Loop Area Institute（深圳河套学院）；CPII under InnoHK（InnoHK下的CPII）
提出AR-CoPO框架，通过分叉机制构建邻域候选、分块级对齐和半在线训练策略，解决流式自回归视频生成中RLHF对齐难题，提升跨域泛化与人类偏好对齐。
2026-07-01 cs.CV
FreqForcing: Autoregressive Long Video Generation via Spectral Self-Anchoring
本文针对自回归长视频生成中的误差累积问题，提出无需训练的FreqForcing框架，通过频谱自锚定技术实现24倍外推，性能优于现有无训练方法且与有训练方法有竞争力。
2026-08-04 cs.CV
In-Distribution Forcing for Long Video Generation at Test Time
Seoul National University（首尔大学）；Korea University（高丽大学）；Sungkyunkwan University（成均馆大学）；Georgia Institute of Technology（佐治亚理工学院）
针对长视频生成中的漂移问题，提出ID-Forcing测试时框架，通过自缓存机制确保KV条目分布内，无缝扩展短时域模型至分钟级视频，显著缓解漂移。
2026-10-08 cs.CV
ProAR: Learning Prospective Reasoning with Autoregressive Video Models
The Hong Kong Polytechnic University（香港理工大学）；University of California, Davis（加利福尼亚大学戴维斯分校）；Microsoft（微软）
ProAR通过目标帧预测和未来表示自对齐，将自回归视频生成转为目标导向推理，以25%训练步骤超越标准基线，适用于具身推理。
2026-10-05 cs.CV
Surprise Forcing: What to Remember, When to Skip in Long Video Generation
Alaya Lab（阿莱雅实验室）；The University of Tokyo（东京大学）
研究长视频生成中资源分配问题，提出惊喜强制框架，含惊喜门控内存库、基于优先级的替换和相关性感知路由，以及惊喜感知去噪，实验证明该框架提高了长时一致性、视觉质量并保持实时流吞吐量。
2026-07-22 cs.CV
DetailFlow: 1D Coarse-to-Fine Autoregressive Image Generation via Next-Detail Prediction
ByteDance Inc.（字节跳动公司）
针对图像生成问题，提出DetailFlow方法，通过1D从粗到精自回归模型与下一细节预测策略，用更少标记实现高质量生成，还提出并行推理机制提升速度，在ImageNet基准上优于VAR等方法，兼具质量与效率优势。
2025-11-11 cs.CV
Ms. Forcing: Efficient Streaming Video Generation with Multi-Scale Patchification and Attention
Brown University（布朗大学）；Massachusetts Institute of Technology（麻省理工学院）；Meta
研究针对流视频生成中传统方法的不足，提出Ms. Forcing范式，通过多尺度分块和注意力调整空间粒度，引入均匀噪声水平DMD减少不匹配，该方法提升了效率，在单个H200 GPU上性能显著优于Rolling Forcing。
2026-07-24 cs.CV
