研究人员推出了一种名为时间回溯搜索（TBS）的新颖方法，旨在改进生成视频推理。与现有在扩散过程中早期逻辑缺陷方面存在困难的单次尝试方法不同，TBS将搜索空间转移到时间轴上。这种迭代的生成-验证-重启循环允许模型将计算资源重新分配到扩展正确的轨迹，而不是丢弃已验证的进展。在算法、导航和机器人领域的实验中，TBS显著优于标准的Best-of-N采样，尤其是在单次尝试方法失败的分布外设置中。 AI
影响 这一新的搜索框架有可能突破视频模型推理能力的局限性，超越单次尝试的限制。
排序理由 该集群包含一篇详细介绍生成视频推理新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.13861v1 Announce Type: new Abstract: While test-time scaling has revolutionized reasoning in large language models, generative video reasoning remains bottlenecked by a single-shot paradigm. We demonstrate that searching over denoising steps cannot rescue logically fla…
While test-time scaling has revolutionized reasoning in large language models, generative video reasoning remains bottlenecked by a single-shot paradigm. We demonstrate that searching over denoising steps cannot rescue logically flawed rollouts because spatial trajectories commit…