# 梯度冲突

自回归视频扩散模型里，把生成帧写成键值上下文和去噪当前帧这两件事原本共用同一套参数，SGF+改为给两者各自独立的参数，只保留因果注意力上的前向耦合，仍用原始生成目标联合训练。在VBench的5秒、60秒、240秒评测中，SGF+在分帧与分块两种生成方式下多数画质与长时一致性指标高于Self Forcing和Self Gradient Forcing；只用5秒片段训练，即可连续生成最长24小时而无需长视频微调。

自回归视频扩散模型里，把生成帧写成键值上下文和去噪当前帧这两件事原本共用同一套参数，SGF+改为给两者各自独立的参数，只保留因果注意力上的前向耦合，仍用原始生成目标联合训练。在VBench的5秒、60秒、240秒评测中，SGF+在分帧与分块两种生成方式下多数画质与长时一致性指标高于Self Forcing和Self Gradient Forcing；只用5秒片段训练，即可连续生成最长24小时而无需长视频微调。