视频生成的推理时计算扩展

介绍候选采样、搜索、验证器与自适应预算如何影响生成质量。

前置知识： 视频生成、评测方法。

使用步骤： 建立完整的请求级成本记录 → 设置多个预算点与独立评价器 → 绘制质量成本曲线并分析饱和和退化。

一手来源审计截至 2026-09-02。这是一个快速发展的新方向：2025 年的核心证据已有 ICCV、NeurIPS、BMVC 等正式论文支撑，但 2026 年后半段不少方法仍主要来自作者预印本。正文会明确区分正式发表、预印本、作者报告与独立验证。检索式、纳入标准和逐项证据见调研记录。

基本定义：Test-Time Scaling（TTS）不是单纯“多跑几步”，而是在每个请求到来后，把可调的推理预算分配给候选生成、轨迹搜索、验证、修复或临时适配，并考察最终质量是否随总预算稳定提升。

这条路线利用了视频生成固有的多解性：同一提示词从不同噪声、不同去噪分支或不同计划出发，可能得到质量差异很大的视频。如果系统能够低成本地产生差异、可靠地辨认好坏，并把剩余预算集中到更有希望的方向，那么不重新训练基础生成器也可能改善最终输出。反过来，只增加候选数却没有可靠验证器，只增加去噪步数却没有匹配训练，或只展示挑出的最好样例，都不能构成可信的 scaling 证据。

智能体如何组织制作计划、工具调用、记忆与局部返工，见 Agentic Video Generation；本章负责判断额外预算是否带来可验证的质量提升。

1. 定义与适用范围

对输入条件 \(c\)，可以把任意预算化推理过程统一写成：

\[ \hat v_B = \mathcal{A}_B(c;\theta,s_\phi), \]

其中 \(\mathcal{A}_B\) 可以是多候选搜索、reward guidance、noise / latent 优化、临时参数适配或多轮修复。当它属于候选选择方法时，才进一步写成：

\[ \hat v_B = \arg\max_{v\in\mathcal{C}_B(c)} s_\phi(c,v). \]

TTS 研究关心的不是某一个固定配置，而是当预算从 \(B_1\) 增长到 \(B_2,\ldots\) 时，独立质量函数 \(q_{\mathrm{ind}}\) 是否形成可复现的质量—成本曲线：

\[ q_{\mathrm{ind}}(c,\hat v_{B_1}) \;\longrightarrow\; q_{\mathrm{ind}}(c,\hat v_{B_2}) \;\longrightarrow\;\cdots \]

这里的“独立”很重要：如果搜索和报告结果使用同一个 reward，曲线可能只证明系统越来越会迎合该 reward，而不是视频真的更符合人类意图。

1.1 与相邻概念的边界

概念	主要目标	预算怎样变化	是否属于本章
Test-time scaling	用更多或更聪明分配的请求级计算换取更好的选中输出	候选数、搜索深度、验证次数、反向传播、外部模型调用或交互轮数可调	是；必须报告质量—总成本曲线
推理加速	在质量大致相当时减少成本	降 NFE、压缩单次前向、量化、缓存、并行	相邻但目标相反；少步路线见Flow 与 Consistency
后训练与对齐	用数据或反馈持续改变跨请求共享的模型	SFT、DPO、RWR、RL 等训练预算	通常不是；见后训练与对齐
Test-time optimization / adaptation	针对当前请求更新 latent、噪声、临时参数或记忆	增加梯度步、更新轮数与状态	可作为 TTS 的一种实现，但必须交代状态生命周期
长度外推	生成比训练窗口更长的视频	输出时长与上下文增长	本身不是计算 scaling；流式和开放时域边界见因果、流式与实时
推理期 guidance	每一步用额外信号修正采样路径	多一次梯度、分类器或 reward 调用	固定配置只是推理优化；扫描预算并验证曲线后才构成 scaling 研究
Oracle Best-of-\(N\)	用真值或最终测试指标从候选中挑最好者	候选数增加	只能给潜在上界，不能冒充可部署系统

基础生成器是否冻结并不是唯一判据。“Training-free”有时只表示不更新基础生成器，却仍训练了 verifier、调用外部 VLM、执行反向传播、更新临时 LoRA 或维护跨轮记忆。可靠报告应逐项说明这些成本和状态，而不是只写一个笼统标签。

1.2 只有一个预算点，不宜叫 scaling law

一个固定的 Best-of-4、一次 reward guidance 或一个额外 LoRA 更新可以是有效的推理期方法，但只有比较多个预算点、多个提示难度层级和独立指标后，才能回答“是否随计算扩展”。本章因此区分：

• test-time optimization：某个推理期技巧在固定预算下有效；
• test-time scaling：质量随可控预算变化，并给出饱和、退化或转折点；
• scaling law：还要进一步证明跨模型、数据或任务的规律稳定，当前视频文献通常尚未达到这个证据强度。

2. 预算与成本

视频 TTS 的预算不止候选数 \(N\)。一个更完整的请求级预算向量是：

\[ B = \bigl( N_{\mathrm{cand}}, N_{\mathrm{NFE}}, N_{\mathrm{verify}}, N_{\mathrm{update}}, N_{\mathrm{round}}, N_{\mathrm{external}}, T_{\mathrm{out}} \bigr), \]

分别表示候选宽度、每条轨迹的生成器前向次数、验证次数、梯度或临时参数更新次数、生成—反馈轮数、外部 VLM/世界模型/Agent 调用，以及输出时长。端到端成本至少应写成：

\[ C_{\mathrm{total}} = C_{\mathrm{gen}} +C_{\mathrm{decode}} +C_{\mathrm{verify}} +C_{\mathrm{backward}} +C_{\mathrm{external}} +C_{\mathrm{I/O}} +C_{\mathrm{winner\ rerun}}. \]

最后一项专门覆盖“廉价探索、全成本重生成赢家”一类方法。如果只比较生成器 NFE，却忽略解码、验证器、外部模型、反向传播和重生成，就可能把成本从一栏挪到另一栏后误称为扩展效率。

图 1：预算—候选—验证—再分配。 推理预算进入生成深度、候选宽度、优化轮数或输出时长；验证器只负责搜索中的选择、扩展、剪枝、修复与提交；最终结论由与搜索信号隔离的评测、人评或真实任务给出。图中“总成本”包含生成、解码、验证、反向传播和外部模型调用，不把某一项单独当作全部计算。

顺序化文字替代：任务和总预算先进入候选生成；系统可以增加单条轨迹深度、并行候选宽度、优化轮数或长时序窗口；候选经过验证器后，预算控制器选择扩展、剪枝、修复或提交；最终视频交给独立评测。验证器得分、输出多样性与总成本同时记录。

3. 计算分配方法

3.1 深度：增加单条轨迹的 NFE

最直观的做法是增加去噪或 ODE 求解步数。在固定连续动力学与兼容求解器的理想化前提下，它的预期作用主要是降低离散化误差；在真实系统中，额外步骤也可能改变有效采样动力学，并累积模型或 score 误差，所以不会自动修复语义组合、运动规划或物理错误。对专门蒸馏成少步的 consistency 模型，额外步骤甚至可能退化。AnyFlow 的意义正在于：它专门训练一个能在不同 NFE 下工作的视频 diffusion 模型，使增加步数更可能继续改善结果，而不是假定任意生成器都天然支持深度 scaling [13]。

因此，“32 步优于 8 步”要同时问三个问题：训练是否覆盖该步数区间？比较是否匹配总成本？增益来自更精确积分，还是来自不同 sampler、guidance 或随机性？

3.2 宽度：多随机种子与 Best-of-\(N\)

Video-T1 把最简单的路线写得很清楚：从多个 Gaussian noise 初态独立生成候选，再选择最高分者；候选数就是可调预算 [3]。联合音视频 TTS 进一步使用多个 verifier 与自适应 reward 权重，说明画面、音质、语义和同步目标之间不能被一个固定总分无损替代 [9]。

Best-of-\(N\) 的优势是黑盒兼容、容易并行；弱点也很直接：

• 成本近似随候选数线性增长；
• 候选高度相关时，新增样本的信息增益迅速饱和；
• 选择器误排会让“候选池更好”无法转化为“交付结果更好”；
• 只报告选中样本，会隐藏单样本可靠性和失败概率。

3.3 结构化搜索：在中间轨迹就分支、前瞻与剪枝

DLBS 不等完整视频全部生成完再选择，而是在 diffusion latent 中做带 lookahead 的 beam search，把预算投向更有希望的去噪分支 [1]。Video-T1 的 Tree-of-Frames 用帧级扩展与剪枝组织候选 [3]；EvoSearch 将选择、变异、交叉和多样性维护引入 diffusion/flow 搜索 [4]；LatSearch 则训练能直接评价不同噪声时刻 latent 的 reward model，以减少完整解码后的浪费 [11]。

这类方法的核心权衡是：

\[ \text{更早决策} \Rightarrow \text{更低验证成本，但更难准确预知最终质量}. \]

BMVC 2025 的 Verifier Matters 直接指出，通用 verifier 在早期带噪状态上可能不可靠；对部分去噪状态做适配后，Greedy、Beam 或 Successive Halving 才更可能有效 [5]。所以搜索算法常不是瓶颈，在什么状态上、用什么信号排序才是。

3.4 引导与在线优化：直接改变当前轨迹

另一条路线不是“生成后挑选”，而是用 reward 对当前采样过程施加梯度或优化：

• Flow-NRG 在 flow 采样时使用 VideoReward 的能量引导，并允许组合不同目标 [6]；
• TTOM 为当前组合式提示新增并优化临时参数，还用参数化记忆保存优化上下文 [8]；
• Proprio 从冻结生成器在 latent 扰动下的 flow residual 构造自评分，可用于 Best-of-\(N\) 或梯度 refinement [14]；
• TANGO 在测试时用自诊断信号优化小型 LoRA；它属于临时参数适配，而不是纯 sampler search [16]；
• NoisEasier 直接优化完整随机噪声轨迹，并用多目标 reward 约束方向 [20]。

在线优化可能比盲目扩展候选更节省样本，却引入反向传播显存、局部最优、reward hacking 和状态清理问题。若记忆或参数跨请求保留，还要说明它究竟是缓存、个性化状态，还是已经构成在线学习。

3.5 长时序闭环：按 chunk 继续、回看和重分配

长视频的错误会随时间累积，TTS 因而从一次性候选选择扩展到持续闭环。ScalingNoise 搜索一步去噪后的噪声候选，并用锚帧相关 reward 支撑长视频延展 [2]；Stream-T1 把噪声传播、长短窗口 reward、分块剪枝与 KV-cache memory sinking 放进流式生成 [12]。

这里必须把两条曲线分开：

1. 固定时长下，计算增加是否提升质量；
2. 输出时长增长时，质量、状态漂移和资源怎样变化。

能够不断追加 chunk 不等于长期稳定，也不等于 test-time compute scaling 已经成立。

3.6 Agent、诊断、修复与候选回收

VISTA 用规划、生成、成对比较、视觉/音频/上下文批评和提示重写构成黑盒自改进循环 [17]。这类系统容易接入闭源生成器，但必须把 Agent token、外部模型调用和多轮视频生成都纳入账本，系统增益也不能归因成基础生成器参数能力提升。

GEARS 不再把低分候选全部丢弃，而是先用关键帧和多维 reward 诊断，再按阶段保留、修复或淘汰，并通过 prompt/latent 编辑回收“弱但可修”的候选 [19]。这代表一个重要方向：未来的 scaling 可能不是简单扩大 \(N\)，而是让每个已付费候选携带的信息被重复利用。

4. 验证器

一个搜索系统至少包含三种角色：

角色	负责什么	不能替代什么
proposal / generator	提供多样候选、分支或可优化状态	不能自己证明候选质量
search verifier / reward	在有限预算内排序、剪枝、引导或诊断	不能单独充当最终证据
independent evaluator	用冻结指标、人评或真实任务验证选中输出	不应泄漏回搜索环节

4.1 验证信号按观察位置分类

观察位置	例子	优点	主要风险
完整解码视频	VLM、VideoReward、音视频同步分数	信息最完整，黑盒兼容	解码和外部模型昂贵
部分解码帧/关键帧	Tree-of-Frames、GEARS	比全片便宜，可早剪枝	可能漏掉运动、节奏和后段失败
带噪 latent	DLBS、Verifier Matters、LatSearch、PRISM	可在高成本生成完成前决策	早期状态与最终质量的对应关系弱
生成器内部残差	Proprio、TANGO	少依赖独立大模型	自评分可能放大模型自身盲点
几何或世界模型	WMReward、几何一致性信号	针对物理/空间约束	仍是学习到的代理，不是物理定律证明
多 verifier 组合	联合音视频 TTS、GEARS	可覆盖语义、画质、运动、同步等多目标	权重变化会改变“最好”的定义

PRISM 尝试从带噪 latent 直接预测 reward，以避免每个候选都完整解码 [15]；WMReward 用 latent world model 评价并引导物理合理性 [10]。这两类方法降低或改变了验证成本，但“更便宜的 proxy”必须另外校准：在不同噪声时刻、提示类型、模型家族和预算下，排序是否仍能预测最终人类判断？

4.2 最少应报告的选择证据

设独立评测可给候选池中每个视频一个分析分数 \(q_{\mathrm{ind}}\)。除选中结果外，至少报告：

• 单样本结果与随机候选结果；
• 候选池的均值、方差和多样性；
• verifier 选中结果；
• oracle 上界，仅作诊断；
• verifier 的 pairwise accuracy、top-\(k\) recall 或选择 regret；
• 独立指标与人评；
• 失败提示的难度分层，而不是只给平均值。

选择 regret 可以写成：

\[ R_B = \max_{v\in\mathcal{C}_B} q_{\mathrm{ind}}(c,v) - q_{\mathrm{ind}}(c,\hat v_B). \]

若 oracle 随 \(N\) 上升而实际选择器不升，问题在 verifier；若二者都很快饱和，问题更可能在候选多样性或生成器能力边界。

5. 代表方法

下表按首次公开时间组织直接相关工作，只记录本次能核验的发表状态。发表与独立复现是两个维度：正式论文也可能尚无跨团队复现；预印本则只按作者当前公开材料陈述，不把作者结果升级为独立验证。

时间	工作	预算与反馈机制	截至 2026-09-02 的证据状态
2025-01	DLBS [1]	latent beam search、lookahead、校准 reward	NeurIPS 2025
2025-03	ScalingNoise [2]	噪声候选搜索、锚帧 reward、长视频扩展	预印本
2025-03	Video-T1 [3]	线性 Best-of-\(N\)、Tree-of-Frames	ICCV 2025
2025-05	EvoSearch [4]	选择、变异、交叉、多样性维护	预印本；公开项目
2025	Verifier Matters [5]	对部分去噪状态适配 verifier，再做 Greedy/Beam/Successive Halving	BMVC 2025
2025	Flow-NRG [6]	inference-time reward / energy guidance	NeurIPS 2025
2025-10	TTOM [8]	临时参数优化与参数化记忆	ICLR 2026
2025-10	VISTA [17]	黑盒规划—生成—批评—重写循环	CVPR 2026
2026-01	WMReward [10]	latent world-model reward 搜索与引导	CVPR 2026
2026-03	LatSearch [11]	任意噪声时刻 latent reward、重采样与剪枝	预印本；作者注明 ECCV 2026
2026-05	Stream-T1 [12]	分块搜索、长短窗口 reward、缓存记忆	预印本
2026-05	AnyFlow [13]	训练可随 NFE 改善的 any-step 模型	预印本
2026-05	Proprio [14]	生成器自评分、BoN 与梯度 refinement	预印本
2026-06	PRISM [15]	带噪 latent reward，提前排序	预印本
2026-07	TANGO [16]	自诊断与测试时 LoRA 优化	预印本；作者注明 ECCV 2026
2026-07	CachedSearch [18]	缓存近似探索、完整重生成赢家	预印本
2026-08	GEARS [19]	诊断、阶段决策、候选修复与回收	作者稿注明 ACM TOG / SIGGRAPH Asia 2026 已接收；见 arXiv，相关 DOI 暂未解析
2026-08	NoisEasier [20]	可微多目标 reward 优化完整随机轨迹	预印本；作者注明 ECCV 2026

这条时间线显示了三个变化：从“完整生成后选一个”走向“中间状态就决策”；从统一加预算走向按难度和诊断分配；从丢弃失败候选走向修复、缓存与复用。但它还没有证明一个跨模型、跨任务稳定的通用 scaling law。

6. 任务适配

6.1 组合语义与复杂动作

当失败是多峰的——人物、数量、左右关系、动作顺序或镜头组合中只有一项出错——多候选与 verifier 容易找到收益。DLBS、Video-T1、Flow-NRG 和 TTOM 主要覆盖这类文本—视频对齐与组合约束 [1] [3] [6] [8]。

6.2 物理与几何一致性

WMReward、Proprio 等工作尝试让搜索信号关注物体运动和物理合理性 [10] [14]。但 learned world model、几何估计器和内部残差都是代理信号；某个 benchmark 上升不等于普遍遵守物理定律。更完整的边界见物理一致性。

6.3 长视频、流式与交互生成

长时序特别适合自适应预算：简单 chunk 快速提交，身份漂移、场景切换或动作不确定时增加候选和回看。但 commit 后能否撤回、验证窗口能看多远、缓存是否污染后续状态，都要纳入系统协议。相关部署约束见因果、流式与实时。

6.4 联合音视频

联合生成同时受画面质量、声音质量、语义和同步约束。Inference-Time Scaling for Joint Audio-Video Generation 表明，多 verifier 与自适应权重比固定单一 reward 更符合这一多目标结构 [9]。但只在某个 reward 上增益，仍可能牺牲另一个未被充分测量的维度。详见原生音视频生成。

6.5 “生成视频帮助推理”不是同一评价目标

VideoTPO、VISTA 等系统会让模型检查候选、批评结果或重写条件 [7] [17]。如果最终指标是问答、空间推理或控制成功率，研究对象是“视频作为中间思考介质”的系统级 test-time compute；如果最终指标是交付视频质量，研究对象才是本章的生成 TTS。两者共享搜索结构，但证据不能互换，见Video Reasoning。

7. 自适应预算

平均分配 \(N\) 个候选简单，却会把大量计算浪费在容易提示上。更合理的控制器根据当前不确定性决定继续还是停止：

\[ a_t \in \{\text{expand},\text{verify},\text{repair},\text{commit},\text{abstain}\}, \qquad a_t=\pi(h_t,B_{\mathrm{remain}}). \]

其中 \(h_t\) 可以包含候选间得分间隔、verifier 不确定性、多样性、失败类型、已用预算和剩余时限。可操作的调度策略包括：

1. 先用低成本候选和粗 verifier 探索；
2. 对明显较差的分支做 successive halving；
3. 对分数接近或 verifier 不确定的请求增加验证；
4. 对局部可修错误优先修复，而不是全量重采样；
5. 只有在候选排序稳定后才完整解码或高质量重生成；
6. 达到成本、时限或置信度阈值时提交；无法满足硬约束时允许 abstain。

CachedSearch 将这一思想落实为“低成本缓存探索，再以完整计算重生成赢家”，它依赖的关键假设不是近似候选像素完全准确，而是候选排序在近似计算下仍被保留 [18]。这一假设应针对模型、提示难度和缓存强度逐层校准。

8. 实验设计示例

本节是可按任务调整的实验设计示例，尚未在本仓库运行；参数与阈值是示例设置，不是已发布基准或实测结果。

下面是一套可直接用于复现或新论文的最小协议。它不是现有统一标准，而是基于本章证据边界整理的建议。

8.1 固定实验规格

• 冻结生成模型、分辨率、帧率、时长、prompt 集与负面提示；
• 记录 sampler、NFE、CFG/reward 权重、随机种子和精度；
• 将提示按组合语义、运动、物理、长程一致性、音视频或交互难度分层；
• 预先声明主指标、独立 evaluator、人评协议和失败标签。

8.2 在相同总预算下比较

至少包含：

对照	用途
单候选、标准 NFE	给出真实 pass@1 基线
单候选、更多 NFE	检查纯深度 scaling
\(N\) 候选、随机选一个	分离“多生成”与“会选择”
\(N\) 候选、verifier 选择	测量实际 TTS
结构化/自适应搜索	检查同成本下是否优于朴素 BoN
Oracle 选择	仅衡量候选池潜力和 verifier regret

总计算预算应尽量匹配实际 GPU 时间、能耗或可复现的计算代理；峰值显存是需要单独控制和报告的资源约束，不能替代 compute matching。若无法完全匹配，至少公开预算向量、每项时延和显存，避免只匹配 NFE。

8.3 画出曲线，不只给一个最好点

对每个方法报告至少 4 个预算点，并同时画出：

• 独立质量—总成本前沿；
• 搜索 reward—总成本曲线；
• oracle 与 verifier 选择结果的差距；
• 多样性与候选相关性；
• 不同难度层级的收益、饱和和退化；
• 平均时延、P95 时延、峰值显存，以及流式系统的首帧延迟和 deadline miss。

如果搜索 reward 单调上升而独立质量下降，应优先判定 reward hacking 或评测泄漏，而不是继续扩大预算。

9. 故障诊断

• 候选没有真实差异。 多个种子收敛到近似运动和构图，增加 \(N\) 只重复付费。
• 验证器比生成器更弱。 候选池包含好视频，但早期 latent 或代理 reward 排不出来。
• 赢家诅咒。 候选越多，越可能选中被 verifier 高估的极端样本。
• 目标塌缩。 过度追求文本对齐、静态画质或物理 proxy，牺牲运动、风格、声音或多样性。
• 分布外失效。 verifier 在常见提示上校准，在复杂动作、长尾物体或新生成器上误排。
• 成本口径缺项。 忽略解码、外部 VLM、反向传播、缓存探索、赢家重生成或 Agent token。
• 单样本能力被隐藏。 Best-of-\(N\) 改善交付样本，不等于基础模型 pass@1 或整体可靠性上升。
• 把更多步骤当作普遍规律。 未经相应训练的少步/consistency 模型可能不会随 NFE 单调改善。
• 评测与搜索同源。 用同一个 reward 选择并证明提升，无法排除 reward hacking。
• 只展示成功案例。 精选视频不能替代成组提示、预注册预算和失败率。

10. 开放问题

1. 可迁移 verifier：能否跨生成器、噪声时刻、时长和任务保持排序校准？
2. 难度感知预算：怎样在生成前或早期状态准确预测“这个请求值得再花多少算力”？
3. 多目标 Pareto 搜索：语义、画质、运动、物理、身份和音视频同步不应被固定权重粗暴压成一个数。
4. 候选复用：能否把失败轨迹中的局部正确结构、运动或记忆安全地回收？
5. 分布级改善：怎样从“选一个最好”走向真正降低全体输出的失败率，而不是只改变交付选择？
6. 交互与安全：当用户反馈、自动 verifier 和策略约束冲突时，谁决定继续、修复、拒绝或回退？
7. 统一成本报告：视频分辨率、时长、NFE、解码和外部模型差异巨大，尚缺少被广泛采用的总成本协议。
8. 独立复现：截至本章快照，2026 年后半段方法仍以作者预印本为主，跨团队复现不足。

11. 延伸阅读

如果只想建立主线，可按下面顺序：

1. Video-T1：理解 Best-of-\(N\) 与 Tree-of-Frames [3]；
2. DLBS 与 Verifier Matters：理解中间轨迹搜索为什么依赖校准 verifier [1] [5]；
3. Flow-NRG 与 TTOM：理解 reward guidance 和临时参数优化 [6] [8]；
4. WMReward、Stream-T1 与联合音视频 TTS：观察物理、长时序和多目标扩展 [10] [12] [9]；
5. CachedSearch、GEARS 与 NoisEasier：观察 2026 年从盲目扩宽走向廉价探索、诊断回收和全轨迹优化 [18] [19] [20]。

需要降低每次尝试的生成步数，转到Flow 与 Consistency；需要改变跨请求共享的模型，转到后训练与对齐；需要判断指标是否真的支持主张，转到评测指南。

参考文献

[1] Inference-Time Text-to-Video Alignment with Diffusion Latent Beam Search. Yuta Oshima et al. NeurIPS. 2025.

[2] ScalingNoise: Scaling Inference-Time Search for Generating Infinite Videos. Haolin Yang et al. arXiv preprint. 2025.

[3] Video-T1: Test-time Scaling for Video Generation. Fangfu Liu et al. ICCV. 2025.

[4] Scaling Image and Video Generation via Test-Time Evolutionary Search. Haoran He et al. arXiv preprint. 2025.

[5] Verifier Matters: Enhancing Inference-Time Scaling for Video Diffusion Models. Lorenzo Baraldi et al. BMVC. 2025.

[6] Improving Video Generation with Human Feedback. Jie Liu et al. NeurIPS. 2025.

[7] TiViBench: Benchmarking Think-in-Video Reasoning for Video Generation. Chen et al. CVPR. 2026.

[8] TTOM: Test-Time Optimization and Memorization for Compositional Video Generation. Leigang Qu et al. ICLR. 2026.

[9] Inference-Time Scaling for Joint Audio-Video Generation. Jaemin Jung et al. TMLR. 2026.

[10] Inference-time Physics Alignment of Video Generative Models with Latent World Models. Jianhao Yuan et al. CVPR. 2026.

[11] LatSearch: Latent Reward-Guided Search for Faster Inference-Time Scaling in Video Diffusion. Zengqun Zhao et al. arXiv preprint. 2026.

[12] Stream-T1: Test-Time Scaling for Streaming Video Generation. Yijing Tu et al. arXiv preprint. 2026.

[13] AnyFlow: Any-Step Video Diffusion Model with On-Policy Flow Map Distillation. Yuchao Gu et al. arXiv preprint. 2026.

[14] Proprio: Latent Self-Scoring and Inference-Time Refinement for Physically Plausible Video Generation. Mariam Hassan et al. arXiv preprint. 2026.

[15] Through the PRISM: Preference Representation in Intermediate States of Video Diffusion Models. Haoxuan Wu et al. arXiv preprint. 2026.

[16] Test-Time Noise Guided Adaptation for Realistic Autoregressive Video Generation. Dimitrios Karageorgiou et al. arXiv preprint. 2026.

[17] VISTA: A Test-Time Self-Improving Video Generation Agent. Do Xuan Long et al. CVPR. 2026.

[18] CachedSearch: Training-Free Cached Exploration for Test-Time Search in Video Diffusion. Shreshth Saini et al. arXiv preprint. 2026.

[19] Test-Time Scaling for Video Diffusion Models via Diagnosis-Guided Candidate Recycling. Hangzhou He et al. 2026. 作者稿注明 ACM Transactions on Graphics / SIGGRAPH Asia 2026 已接收；arXiv 元数据给出相关 DOI 10.1145/3842526，截至 2026-10-15 解析返回 404，保留标识并以同篇 arXiv 为可访问入口。

[20] NoisEasier: Test-Time Noise Optimization for Text-to-Video Generation. Yujiang Pu and Yu Kong. arXiv preprint; manuscript notes ECCV 2026. 2026.