浅析 GameNGen 的训练数据与泛化（对比分析）

这个问题被问了太多次。统一回复一下。有些话不吐不快。 这次「横向对比」不吹不黑。把它和同赛道选手放在一张表里看差距。 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）。 落地时绕不开的资源问题——单 TPU 可跑。 从高校研究员的角度看。实用价值是第一考量。几个值得关注的点：首个全神经网络实时游戏引擎；两阶段：RL 智能体录轨迹 + 扩散模型微调；动作嵌入单 token、噪声增强抗自回归漂移。 觉得有用的话。回帖告诉我。该说的说完了。懂的都懂。—— 个人经验。仅供参考。 🙂 ✅