RAVEN

RAVEN是一个面向实时视频生成的因果自回归扩散模型训练框架，旨在解决长时序视频外推中历史状态分布偏移导致的质量下降问题。其核心包括两部分：一是通过重打包自 rollout 序列为清洁历史端点与噪声去噪状态的交错序列，对齐训练与推理时的历史表征；二是提出一致性模型分组相对策略优化（CM-GRPO），将一致性采样建模为条件高斯转移，并直接在该核上应用在线强化学习，避免传统流模型RL中的欧拉-丸山辅助过程。项目适用于需要低延迟、高保真视频流式生成的场景，如实时AI视频编辑、交互式内容创作与边缘端视频合成。