自梯度强制：解决自回归视频模型长视频生成中的身份漂移与上下文断裂
本文提出Self Gradient Forcing (SGF)，旨在解决自回归视频扩散模型在长视频生成中因KV缓存冻结导致的身份漂移和场景断裂问题。SGF通过两阶段训练策略，在Pass 1进行无梯度自回归Rollout，在Pass 2并行重建采样退出步的计算，使未来DMD损失能监督KV写入过程。实验显示，在60秒和240秒尺度上，Subject一致性分别提升至0.983和0.972，GSB偏好得分显著提升。该方法避免了全序列反向传播的内存溢出，仅用5秒训练窗口即可实现分钟级视频生成。