**MiniWorld：从零开始训练视频世界模型的轻量级开源框架**

_MiniWorld: Democratizing the Training of Video World Models from Scratch_

> HuggingFace Daily Papers 社区热门论文。MiniWorld 是一个可复现的视频世界模型训练框架，采用块因果 Video Diffusion Transformer 结合 Flow Matching，在预训练 Video VAE 的潜在空间中进行训练。通过 Diffusion Forcing 的两阶段持续训练和块级非递减噪声调度，提升时序建模能力与训练稳定性。推理时结合滚动 KV 缓存与流水线异步去噪，实现高效流式生成。整个模型可在单台 8 GPU 服务器上数天内完成训练，代码与预训练权重已开源。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-08-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.01127)