预印本：条件残差预测助因果视频模型VBench得82.78分，无需双向教师蒸馏

重点：一种名为“条件残差预测”（CRP）的新训练方法，使20亿参数的因果视频扩散模型Optica在VBench基准测试中获得82.78分，仅使用约1500万训练视频。

背景：传统因果视频模型因自回归生成特性适合流媒体和长视频，但质量通常低于同规模的双向模型。现有方案多依赖从大型双向教师模型进行知识蒸馏，流程复杂且计算成本高。

结论：CRP通过让模型先预测目标再叠加历史条件的残差，减少了模型对历史信息的过度依赖。实验显示，该方法几乎消除了与同设置下双向模型的6.14分差距，且无需任何双向视频模型参与训练阶段。

边界：结果来自作者自测的预印本论文，尚未见独立复现；主要验证于480p、5秒时长的视频生成任务。