next-forcing

Next Forcing 是一个面向视频世界建模的因果时序建模方法，旨在解决自回归视频模型中因单步预测导致的局部外观捷径问题。其核心是轻量级多块预测（MCP）模块，通过并行预测未来1~3个时间块，提供密集的长程时序监督，从而提升模型对动态规律的学习能力；支持零开销推理与MCP加速推理两种模式，后者可实现2倍吞吐提升。项目适用于机器人仿真、具身智能、视频预测等需高帧率长时序建模的场景，已在RoboTwin基准上验证收敛更快、精度更高。