视觉语言模型奖励

奖励强制：基于奖励分布匹配蒸馏的高效流式视频生成

Reward Forcing: Efficient Streaming Video Generation with Rewarded Distribution Matching Distillation

用 EMA 融合被逐出滑动窗口的 token 替代静态 sink token，解决少步蒸馏流式视频生成中初始帧复制、运动退化的问题；再用 VLM 打分构造奖励偏置的分布匹配蒸馏，把教师模型的运动动态蒸馏进学生模型，可直接迁移到任何流式/长视频扩散蒸馏管线。