**ViRDM：免教师与评判器的少步因果视频生成后训练**

_ViRDM: Taming Representation Distribution Matching for Few-Step Causal Video Generation_

> 少步自回归视频扩散可实现低延迟流式生成，但现有后训练方法多依赖分布匹配蒸馏（DMD），需同时使用大型预训练教师模型与在线评判器。本文提出 ViRDM，把面向单步图像生成的表征分布匹配（RDM）迁移至少步因果视频生成，并针对显存不可行的梯度路径、视频优化范式差异与表征分布对时序动态约束不足三大障碍，依次引入随机截断的 clean-exit 监督、轻量 VAE 解码器与分阶段向量-雅可比积，使 RDM 在多步因果视频展开中显存可行；同时确立生成群体与初始化策略，并用轻量动态正则化补足时序约束。ViRDM 将三网络蒸馏变为仅训练生成器，降低显存占用与训练时间。仅 20 次生成器更新即在官方 VBench 上达到 84.87，超过此前最佳少步因果基线 0.36，训练耗时 16 A100 GPU 小时；文中还给出其在更低因果采样预算及一、二、四步双向生成上的探索性结果。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-25 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.28923)