Clean Forcing：基于冻结基础模型的抗漂移自回归视频扩散

基于摘要分析。本文研究自回归视频扩散在长时流式生成中的误差累积：模型训练时依赖干净历史，推理时却需接续自身不完美的输出，形成暴露偏差与生成漂移。作者提出 Clean Forcing，在冻结基础模型的条件下训练 LoRA 纠偏器，学习历史变化引起的速度预测偏差，并通过闭环训练增强长时生成稳定性。 核心机制是固定带噪状态、仅改变历史条件，构造反事实速度差。作者报告，该差异在不同噪声种子间约有 95% 的成分呈系统性，据此训练一个 5.9M 参数的 LoRA 纠偏器回归该差异；闭环阶段引入 DAgger 式数据聚合与漂移收缩目标，使纠偏器接触自身生成轨迹。摘要未给出系统性成分的具体计算方式及损失公式，需结合全文核对。 训练所需的干净历史可来自基础模型自身的单次生成，因此不必使用真实视频；作者称合并后的纠偏器不增加推理成本。在 50 秒 text-to-video 生成评估中，作者报告 Δ-drift 从 +11.3 降至不使用真实视频时的 +1.65，使用 40 个真实视频片段时进一步降至 -0.16；摘要列出的既有最佳结果为 +3.57，并称所需数据减少超过 150 倍。上述结果仍需核对 Δ-drift 定义、数据量计量口径、基础模型与采样配置及对照协议，不能仅凭指标正负判断生成质量。作者另报告美学质量与数据效率改善，但摘要未提供对应量化结果。 复现重点是反事实历史的配对构造、闭环轨迹聚合及漂移收缩目标的实现。具体基础模型、数据划分、实验协议、消融及统计信息尚未验证。研究对象是视频生成，材料不包含 EEG 或 BCI 验证，不应将其抗漂移结果视为神经信号建模的有效性证据。