GameNGen 技术拆解：帧预测背后的东西（踩坑复盘）

看到大家讨论得热闹，我也来抛块砖。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。 先摆事实：GameNGen（Google Research）2024-08-27（论文 Diffusion models are real-time game engines，ICLR 2025） 发布，基于 Stable Diffusion 1.4 修改版微调；授权方式为未开源（仅论文）。 实操层面，单 TPU 可跑。 从多模态算法工程师的角度看，实用价值是第一考量。官方口径里有几条很关键：两阶段：RL 智能体录轨迹 + 扩散模型（model）微调；首个全神经网络实时游戏引擎；人类难以区分其 DOOM 片段与真实画面。 欢迎持不同意见的朋友理性讨论。好了不贫了，正经事还有一堆。—— 让复杂的事情变简单。