Surprise Forcing：长视频生成中的记忆保留与跳过策略
本文提出Surprise Forcing框架，解决流式自回归扩散模型在长视频生成中的上下文遗忘和计算分配不均问题。通过Surprise-Gated Memory Bank动态管理外部记忆，利用Intra-Chunk Surprise Predictor自适应调整去噪步数。在VBench-Long基准上达到SOTA，主体一致性63.98，FPS达17.18。该方法为免训练推理优化，依赖基础模型性能，适用于对长程一致性要求高的场景。