Glance Forcing 压缩视频蒸馏轨迹采集成本

视频生成的计算成本，可能有一大块花在训练前的轨迹采集上。原文介绍的 Glance Forcing，把这一步从数千 GPU 小时压到约 1 个 A100 GPU 小时，关键做法是让两个专家分别处理不同噪声阶段。

但标题容易让人读成「一小时就能训练好视频生成模型」。原文实际给出的结果，只覆盖轨迹采集环节。对程序员而言，更值得理解的是它如何拆分任务，以及如何判断这种降本结论的适用范围。

为什么要让两个专家分别处理去噪

原有流程先使用双向扩散模型作为教师，再把它的生成能力蒸馏给因果学生模型，让学生能够按顺序生成视频。这里的蒸馏，可以理解为让一个新模型学习已有模型的生成行为。

麻烦在于，训练学生之前，需要离线采集大量 PF-ODE 轨迹，也就是记录教师模型逐步去噪的过程。原文称，这一步消耗了「数万 GPU 小时」，成为整体训练成本的主要来源；后面描述实验时，又使用了「数千 GPU 小时」的口径，没有解释两者对应的具体配置。

Glance Forcing 的切入点是：去噪过程中的任务并不相同。

高噪声阶段主要决定全局布局与运动，低噪声阶段主要补足纹理。原文认为，把这两类任务都交给同一个学生模型，会产生严重干扰，甚至导致生成质量崩塌。

因此，它把过程拆给 slow-LoRA 和 fast-LoRA 两个专家，并使用各阶段对应的训练目标。教师模型保持冻结，让两个 LoRA 模块分别适应不同的轨迹曲率区间。直观理解，就是不同阶段的去噪轨迹变化方式不同，各自安排一个专门学习它的模块。

原文没有展开阶段边界、训练目标公式，以及 slow、fast 的具体调度方式，不能仅凭名称推断实现细节。

一小时省在了哪里，分数又提高了多少

原文最关键的实验结果是：仅使用 1 条 PF-ODE 轨迹，Glance Forcing 就超过了一个已充分训练的最先进基线，VBench Total 从 84.04 提高到 84.22；轨迹采集成本则降到约 1 个 A100 GPU 小时。

这里需要把两个结论分开看。

第一，轨迹采集的计算量大幅下降。这是原文最有分量的降本结果。

第二，给出的综合评分没有随之下降，反而高出 0.18 分。但原文没有提供重复实验、波动范围或更细的指标，所以这组数字能说明报告中的比较结果，尚不足以判断优势是否稳定，也无法直接推断肉眼可见的质量差距。

约 1 个 A100 GPU 小时，说的是轨迹采集成本，不是完整训练成本。

方法仍依赖预训练的双向教师模型，还需要针对两个专家分别微调。推理时，两个 LoRA 模块也需要存储和切换。原文将这些称为额外开销，但没有给出训练总时长、显存占用或推理延迟。

因此，「单工作站训练高质量视频生成器」在这篇短文中更接近一个有条件的推论，还不是由完整成本数据支撑的结论。

我的判断

我认可它的任务拆分思路：当一个模型要同时学习差异明显的阶段时，增加训练量未必比调整职责划分更有效。这里不是单纯压缩采样数量，而是先处理高、低噪声任务之间的干扰，再降低轨迹采集需求。

不过，原文没有给出足够的对照实验。比如，只减少轨迹但不拆专家会怎样？增加同等规模的单一 LoRA 又会怎样？目前无法据此判断，收益中有多少来自专家拆分，有多少来自其他训练设计。

作者进一步主张，应该重新评估默认以「GPU-weeks」为预算的基准。我赞成公开不同预算下的比较，但直接要求淘汰旧基准有些跳跃。更合理的是同时报告教师准备、轨迹采集、专家微调和推理成本，让读者看到完整账单。

对前端和全栈读者，这是一项视频模型训练方法的进展。原文没有证明它能直接降低日常 AI 编程或线上视频生成服务的调用费用。

能拿来做什么

• 评估视频生成方案时，把轨迹采集成本和完整训练成本分开记录，并单独询问教师模型的准备成本。
• 团队如果正在做扩散模型蒸馏，可以把高、低噪声阶段是否互相干扰列为实验问题，再比较单一学生与分阶段专家的效果。
• 阅读类似「一小时训练」的消息时，先确认计时范围，再检查质量指标、对照配置和额外开销，避免把局部降本当成整条流程降本。