[LG]《The Seriality Gap in Video Diffusion Models》J D Chao, K Preechakul, Y Liu, Y Bai [UC Berkeley] (2026)

在视频生成领域，维持长程物理一致性是一个悬而未决的难题。过去的方法受困于随时间推移而崩溃的因果链（如球体连续碰撞），本质原因是主流扩散模型的去噪迭代在计算本质上是并行的“快捷方式”，无法等同于物理模拟所需的串行逻辑深度。

本文的核心洞见是：将去噪步数与逻辑推理深度彻底解耦。研究者通过硬球动力学实验证明，单纯增加去噪次数并不能增强因果推理。由此，采用自回归推理或增加骨干网络深度这两项关键操作，强制模型分配更多的串行计算资源，从而消弭了双向生成中的“串行性差距”。

这项工作真正留下的遗产是界定了扩散模型作为“世界模拟器”的理论边界，即去噪迭代不产生额外的逻辑增量。它为后来者打开的新门是开发具备逻辑深度的非得分匹配模型，但尚未跨过的门槛是如何在非确定性、高熵的自然视频中精准剥离并强化这种串行依赖。

arxiv.org/abs/2607.13031 #机器学习# #人工智能# #论文# #AI创造营#