浅析 GameNGen 的训练数据与泛化（踩坑复盘）

很多同学习惯问『能不能用』，我更想问『值不值得用』。摸鱼时间到，聊点技术八卦。 这篇「避坑指南」都是踩过的坑，看完能少走弯路。 查了下公开资料：GameNGen 出自Google Research，2024-08-27（论文 Diffusion models are real-time game engines，ICLR 2025） 与大家见面，基于 Stable Diffusion 1.4 修改版微调，使用未开源（仅论文）授权。 硬件门槛方面：单 TPU 可跑。 从推理优化工程师的角度看，实用价值是第一考量。对我触动比较大的细节：两阶段：RL 智能体录轨迹 + 扩散模型微调；无传统游戏逻辑/物理/渲染管线。 篇幅有限，展开讲能写一篇论文。好了不贫了，正经事还有一堆。