世界模型系列：GameNGen 到底做了什么

作为常年和 X 打交道的人，说点实在的。先从我最近的一段经历说起。 这轮「实测记录」我把环境、参数和输出都记了流水账，供同好参考。 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。 本地跑起来的话，单 TPU 可跑。 站在架构视角，我更关心它能不能嵌进现有技术栈而不是单点性能。官方口径里有几条很关键：人类难以区分其 DOOM 片段与真实画面；两阶段：RL 智能体录轨迹 + 扩散模型（model）微调。 欢迎持不同意见的朋友理性讨论。故事讲完了，你的版本呢？—— 事实先行，观点随后。