南大腾讯 ARC 提出 FCP：未来块监督提升视频生成的物理合理性
TencentARC · hf · 2026-10-22
南京大学与腾讯 ARC Lab 提出自回归视频扩散模型的辅助训练目标 Future Chunk Prediction（FCP）。问题背景：自回归视频模型逐块生成，但 teacher forcing 下强时间冗余让模型可以靠「局部视觉连续性」走捷径完成当前块去噪，削弱了对场景演化的建模。
FCP 在 teacher-forced 去噪的同时联合优化一个预测「时间上分离的未来块」的辅助目标，且预测时不能访问中间视觉文本——监督信号直接来自训练视频本身，因此：
- 无需额外预训练视觉编码器
- 不改变自回归推理流程
实验显示 FCP 以更低的训练算力预算取得优于标准 teacher-forced 训练的物理合理性，代码已开源（TencentARC/Looking-Ahead）。
「多模态」频道最新
- Spline 推出 ChatGPT 插件,对话中直接创建编辑 3D 交互场景 — algo_diver · 2026-10-22
- 蚂蚁 Ming-3.0-TTS 以 93.2% 登顶发音稳健性榜单,MIT 开源权重 — lmoroney · 2026-10-22
- Kling 4.0 登陆 RoboNeo：单次生成最长 30 秒，会员半价 — aziz4ai · 2026-10-22
- Kling 提出 ALLOT：免训练按输出分配块稀疏注意力省算力 — KlingTeam · 2026-10-22
- RubatoCodec：固定话语级 token 预算的自适应语音编解码器 — third-intelligence · 2026-10-22
- LaunchMotion 发布:208 个发布片特效 Skill 让 AI Agent 自动产出宣传片 — yihui_indie · 2026-10-22