ProAR：利用自回归视频模型学习前瞻推理
ProAR 是一种旨在将自回归视频生成从短期预测扩展到目标导向推理的框架。它将目标帧预测融入中间状态生成，并促使内部表征预判后续的时间动态。实验显示，该方法在多种视觉推理基准测试中提升了性能；仅使用标准自回归基线模型 25% 的训练步数，便超过了完整训练的基线模型。作者还指出，该框架有望应用于具身推理任务。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。