Experiment.md

# Experiment: training-free caching on 4-step block-causal video DiTs

四个 training-free 缓存方法（TeaCache / FlowCache / TaylorSeer / MotionCache）移植到两个 4-step 自回归视频 DiT（Self-Forcing、Causal-Forcing，均为 Wan2.1-1.3B block-causal）上，在匹配的 compute 预算下比较速度与质量。

## 列定义

- **策略**：方法 + 调度 + 目标加速比。调度字符串按 chunk 内 4 个去噪步写，`F` = 必算完整 DiT，`x` = 允许方法从缓存服务。`FxxF` 是原始设定（等价于上游 `ret_steps=1` / `cutoff_steps=num_steps-1`），`FFxx` 让 TaylorSeer 在第一次预测前有两个已算点，`Fxxx` 去掉最后一步必算的限制，算术上限从 2.0× 提到 4.0×。
- **VBench-251 (%)**：Extended-251 协议的 VBench-8 selected 分（4×quality + semantic）/5，251 条 prompt（subject_consistency 72 / overall_consistency 93 / scene 86）。
- **Full**：一条视频（7 chunk × 4 步 = 28 次去噪 DiT forward）中实际执行的完整 DiT forward 等效数，251 条 prompt 的平均；MotionCache / FlowCache 这类部分重算的步按 compute-equivalent 折算。所有方法按这一列匹配 compute。
- **平均 P**：一条视频中被**缓存复用**的 forward 数 = 28 − Full。`naiveNstep` 基线走的是更短的去噪调度，缺的 forward 是**根本没有发起**而不是被复用，所以这一列对它们记为 —（它们的 Full 仍按 28 步的标尺给出，便于等算力对照）。Predictor 策略（`cfa_*`，Causal-Forcing-a）按记录里的 `full_forwards` / `predictor_forwards` 计：Full 为完整 DiT 次数，P 为 predictor 调用次数（每次约 0.03 个 forward，不计入 Full）。
- **模型路径耗时 (ms)**：251 条 prompt 上 denoise policy 路径的 GPU 平均耗时，含缓存方法自己的控制开销；不含 context/KV-cache 刷新 DiT（另计，~790 ms/视频）、文本编码、VAE 解码。
- **加速比**：matched FFFF 平均耗时 / 该策略平均耗时（同 prompt、同 seed、同一次运行内配对）。原始 26 个策略与 FFFF 同批生成；后加的策略由 `eval/retime_eval.py` 与 FFFF 在同一进程内逐 prompt 配对重新计时（只跑 denoise 路径），其"模型路径耗时"来自这次配对计时，绝对 ms 与首批不在同一争用条件下，只有加速比可跨行比较。首 chunk FFFF 变体（`_c0FFFF`，`teacache_x2_c0FFFF` 除外）的耗时来自 Sep 7 在空闲 GPU 上只重跑策略 denoise 路径的单次重计时（FFFF 不重跑，以各基模 FFFF 首批记录为分母；逐条核对算量一致，视频与质量指标不变）。
- **PSNR / SSIM / LPIPS**：相对同 prompt、同 seed 的 FFFF，在解码后的 81 帧 RGB 上计算，编码 MP4 之前。FFFF 对自身固定为 120 dB / 1.0 / 0.0。Sep 7 起新增的策略不再重新生成 FFFF，参考帧读自 FFFF 那次运行写出的 MP4（H.264），表中以 § 标出；在同一批视频上实测该替换使 PSNR +0.10 dB、SSIM −0.024、LPIPS +0.012（MP4 抹掉了参考的高频细节），与其它行比较时按此修正。
- 策略 id 与 `eval_out/` 目录一致（去掉 `sf_`/`cf_`/`cfa_` 前缀）：不带调度后缀的是原始 `FxxF` 研究，`_FFxx_`/`_Fxxx_` 为放宽调度后的操作点，`_x<N>` 是搜索时的目标加速比，实际 compute 看 Full 列；`cfa_*` 为 Causal-Forcing-a 上的 Predictor 策略（DisCa / ATC-chunk / ATC-last-frame，均为 Stage-1 监督蒸馏；`atc_chunk_s2_*` 为 ATC-chunk 再经 Stage-2 随机出口 DMD（Wan-14B real score、LoRA rank-128 fake score，2000 步）后的 EMA 权重），后缀 `fppf`/`fppp` 是 chunk 内的调度模式（P = predictor 步）。

视频规格：81 帧、480×832、16 FPS、seed 0、bf16、每 prompt 一个样本。

## 1. Extended-251 评测结果（已完成）

### Self-Forcing

| 策略 | VBench-251 (%) | 平均 P | Full | 模型路径耗时 (ms) | 加速比 | PSNR | SSIM | LPIPS |
|---|---:|---:|---:|---:|---:|---:|---:|---:|
| **原始调度（chunk 0 与其它 chunk 相同）** | | | | | | | | |
| `ffff` | 80.5372 | 0.000 | 28.000 | 3157.96 | 1.000× | 120.000 | 1.0000 | 0.0000 |
| `euler_FFFF` | 78.7741 | 0.000 | 28.000 | 3171.53 | 0.996× | 9.996 § | 0.3108 § | 0.6051 § |
| | | | | | | | | |
| *≈1.3×* | | | | | | | | |
| `teacache_x1.3` | 79.5878 | 5.633 | 22.367 | 2547.49 | 1.240× | 15.161 | 0.5325 | 0.3198 |
| `flowcache_x1.3` | 79.6210 | 6.076 | 21.924 | 2547.75 | 1.240× | 15.151 | 0.5325 | 0.3202 |
| `taylorseer_x1.3` | 79.8313 | 7.000 | 21.000 | 2439.16 | 1.295× | 13.315 | 0.4421 | 0.4469 |
| `taylorseer_FFxx_x1.3` | 79.2201 | 6.000 | 22.000 | 2588.89 | 1.226× | 13.128 | 0.4449 | 0.4290 |
| `motioncache_x1.3` | 79.2294 | 6.537 | 21.463 | 2762.30 | 1.143× | 13.264 | 0.4499 | 0.4431 |
| `reuse_FRFF` | 79.2460 | 7.000 | 21.000 | 2382.76 † | 1.325× † | 13.186 § | 0.4401 § | 0.4497 § |
| | | | | | | | | |
| *≈1.6×* | | | | | | | | |
| `teacache_x1.6` | 78.9947 | 8.757 | 19.243 | 2187.41 | 1.444× | 13.116 | 0.4428 | 0.4520 |
| `flowcache_x1.6` | 78.4997 | 9.255 | 18.745 | 2215.58 | 1.425× | 12.991 | 0.4339 | 0.4659 |
| `taylorseer_x1.6` | 79.0823 | 11.000 | 17.000 | 2008.93 | 1.572× | 13.398 | 0.4082 | 0.5029 |
| `taylorseer_FFxx_x1.6` | 66.3821 | 10.000 | 18.000 | 2102.06 | 1.509× | 11.321 | 0.3028 | 0.6140 |
| `motioncache_x1.6` | 79.4907 | 10.597 | 17.403 | 2126.98 | 1.485× | 13.127 | 0.4332 | 0.4722 |
| | | | | | | | | |
| *≈1.75×* | | | | | | | | |
| `teacache_x1.75` | 79.2788 | 7.725 | 20.275 | 3142.11 | 1.381× | 13.142 | 0.4471 | 0.4460 |
| `taylorseer_x1.75` | 78.6295 | 13.000 | 15.000 | 2379.43 | 1.823× | 13.479 | 0.4007 | 0.5163 |
| `motioncache_x1.75` | 79.0342 | 12.222 | 15.778 | 2713.77 | 1.599× | 13.046 | 0.4265 | 0.4823 |
| | | | | | | | | |
| *≈2×* | | | | | | | | |
| `teacache_x2` | 78.7743 | 14.000 | 14.000 | 1608.20 | 1.964× | 13.020 | 0.4222 | 0.4854 |
| `flowcache_x2` | 78.7743 | 14.000 | 14.000 | 1613.54 | 1.957× | 13.020 | 0.4222 | 0.4854 |
| `taylorseer_x2` | 78.2747 | 14.000 | 14.000 | 1667.04 | 1.894× | 13.486 | 0.3974 | 0.5240 |
| `taylorseer_FFxx_x2` | 57.1775 | 14.000 | 14.000 | 1687.69 | 1.880× | 9.626 | 0.1555 | 0.8272 |
| `motioncache_x2` | 78.7809 | 14.000 | 14.000 | 1621.06 | 1.948× | 13.020 | 0.4222 | 0.4854 |
| `reuse_FRRF` | 78.7743 | 14.000 | 14.000 | 1604.42 † | 1.968× † | 13.102 § | 0.4150 § | 0.4865 § |
| | | | | | | | | |
| *≈2.85–3×* | | | | | | | | |
| `teacache_Fxxx_x2.85` | 60.1481 | 14.000 | 14.000 | 2207.42 | 1.965× | 11.844 | 0.3029 | 0.6665 |
| `teacache_Fxxx_x3` | 58.6783 | 20.155 | 7.845 | 913.40 | 3.473× | 11.946 | 0.2851 | 0.7049 |
| `flowcache_Fxxx_x3` | 55.7999 | 19.851 | 8.149 | 987.12 | 3.214× | 12.013 | 0.2866 | 0.6946 |
| `taylorseer_Fxxx_x2.85` | 60.3007 | 19.000 | 9.000 | 1468.31 | 2.954× | 11.750 | 0.2608 | 0.7051 |
| `motioncache_Fxxx_x2.85` | 58.6018 | 20.344 | 7.656 | 1707.75 | 2.540× | 11.928 | 0.2649 | 0.7232 |
| `motioncache_Fxxx_x3` | 59.2793 | 18.785 | 9.215 | 1625.07 | 1.952× | 12.240 | 0.2860 | 0.6889 |
| | | | | | | | | |
| *≈3.3–4×* | | | | | | | | |
| `reuse_FRRR` | 58.1223 | 21.000 | 7.000 | 823.91 † | 3.833× † | 11.699 § | 0.2565 § | 0.7347 § |
| | | | | | | | | |
| **首 chunk FFFF（`_c0FFFF`）** | | | | | | | | |
| | | | | | | | | |
| *≈1.3×* | | | | | | | | |
| `teacache_x1.3_c0FFFF` | 80.3851 | 3.785 | 24.215 | 2721.09 | 1.161× | 20.370 | 0.8421 | 0.0866 |
| `taylorseer_x1.3_c0FFFF` | 80.4439 | 6.000 | 22.000 | 2517.09 | 1.255× | 17.312 | 0.6934 | 0.1524 |
| `motioncache_x1.3_c0FFFF` | 79.9742 | 5.490 | 22.510 | 2790.03 | 1.132× | 17.332 | 0.6934 | 0.1520 |
| | | | | | | | | |
| *≈1.6×* | | | | | | | | |
| `teacache_x1.6_c0FFFF` | 80.0586 | 7.179 | 20.821 | 2334.11 | 1.353× | 17.180 § | 0.6581 § | 0.1808 § |
| | | | | | | | | |
| *≈1.75×* | | | | | | | | |
| `taylorseer_x1.75_c0FFFF` | 79.4426 | 11.000 | 17.000 | 1930.29 | 1.636× | 16.752 | 0.6201 | 0.2132 |
| `motioncache_x1.75_c0FFFF` | 80.3427 | 10.328 | 17.672 | 2180.22 | 1.448× | 16.749 | 0.6578 | 0.1794 |
| | | | | | | | | |
| *≈2×* | | | | | | | | |
| `teacache_x2_c0FFFF` | 79.7515 | 12.000 | 16.000 | 1766.63 | 1.788× | 16.611 | 0.6511 | 0.1883 |
| | | | | | | | | |
| *≈2.85–3×* | | | | | | | | |
| `teacache_Fxxx_x3_c0FFFF` | 61.3078 | 17.713 | 10.287 | 1092.03 | 2.892× | 13.994 | 0.4180 | 0.5821 |
| `taylorseer_Fxxx_x2.85_c0FFFF` | 65.5397 | 16.000 | 12.000 | 1330.42 | 2.374× | 14.321 | 0.4627 | 0.4903 |
| `motioncache_Fxxx_x2.85_c0FFFF` | 62.0397 | 17.174 | 10.826 | 1650.77 | 1.913× | 14.279 | 0.4229 | 0.5744 |

### Causal-Forcing

| 策略 | VBench-251 (%) | 平均 P | Full | 模型路径耗时 (ms) | 加速比 | PSNR | SSIM | LPIPS |
|---|---:|---:|---:|---:|---:|---:|---:|---:|
| **原始调度（chunk 0 与其它 chunk 相同）** | | | | | | | | |
| `ffff` | 81.1659 | 0.000 | 28.000 | 3156.09 | 1.000× | 120.000 | 1.0000 | 0.0000 |
| | | | | | | | | |
| *≈1.3×* | | | | | | | | |
| `teacache_x1.3` | 81.2244 | 6.088 | 21.912 | 2488.55 | 1.268× | 13.229 | 0.5272 | 0.3419 |
| `flowcache_x1.3` | 81.8224 | 5.145 | 22.855 | 2683.28 | 1.176× | 13.260 | 0.5272 | 0.3415 |
| `taylorseer_x1.3` | 81.6245 | 7.000 | 21.000 | 2437.75 | 1.295× | 11.994 | 0.4488 | 0.4509 |
| `taylorseer_FFxx_x1.3` | 80.2569 | 6.000 | 22.000 | 2569.62 | 1.223× | 11.395 | 0.4381 | 0.4580 |
| `motioncache_x1.3` | 81.2477 | 6.424 | 21.576 | 2716.36 | 1.162× | 12.068 | 0.4614 | 0.4450 |
| `naive3step` | 81.4017 | — | 21.000 | 2377.69 † | 1.327× † | 11.873 | 0.4393 | 0.4448 |
| `reuse_FRFF` | 81.3133 | 7.000 | 21.000 | 2387.76 † | 1.322× † | 11.845 | 0.4615 | 0.4467 |
| | | | | | | | | |
| *≈1.6×* | | | | | | | | |
| `teacache_x1.6` | 81.2088 | 9.781 | 18.219 | 2058.41 | 1.533× | 11.932 | 0.4590 | 0.4511 |
| `flowcache_x1.6` | 80.4213 | 10.631 | 17.369 | 2086.39 | 1.513× | 11.738 | 0.4424 | 0.4744 |
| `taylorseer_x1.6` | 80.4207 | 11.000 | 17.000 | 2008.23 | 1.572× | 12.175 | 0.4082 | 0.5063 |
| `taylorseer_FFxx_x1.6` | 65.8948 | 10.000 | 18.000 | 2092.15 | 1.502× | 9.924 | 0.3015 | 0.6262 |
| `motioncache_x1.6` | 80.8268 | 10.521 | 17.479 | 2243.38 | 1.407× | 11.911 | 0.4404 | 0.4737 |
| | | | | | | | | |
| *≈1.75×* | | | | | | | | |
| `teacache_x1.75` | 81.2378 | 9.127 | 18.873 | 2386.91 | 1.481× | 11.899 | 0.4596 | 0.4493 |
| `taylorseer_x1.75` | 79.9462 | 13.000 | 15.000 | 1977.36 | 1.788× | 12.178 | 0.4020 | 0.5182 |
| `motioncache_x1.75` | 80.6695 | 13.388 | 14.612 | 2270.46 | 1.557× | 11.936 | 0.4400 | 0.4824 |
| | | | | | | | | |
| *≈2×* | | | | | | | | |
| `teacache_x2` | 79.9681 | 14.000 | 14.000 | 1607.05 | 1.964× | 11.900 | 0.4402 | 0.4835 |
| `flowcache_x2` | 79.9681 | 14.000 | 14.000 | 1612.28 | 1.958× | 11.900 | 0.4402 | 0.4835 |
| `taylorseer_x2` | 79.7412 | 14.000 | 14.000 | 1666.32 | 1.894× | 12.160 | 0.3995 | 0.5260 |
| `taylorseer_FFxx_x2` | 57.3124 | 14.000 | 14.000 | 1673.11 | 1.879× | 8.788 | 0.1646 | 0.8242 |
| `motioncache_x2` | 79.9909 | 14.000 | 14.000 | 1618.55 | 1.950× | 11.901 | 0.4402 | 0.4835 |
| `naive2step` | 80.5679 | — | 14.000 | 1589.72 † | 1.985× † | 11.745 | 0.4131 | 0.4883 |
| `reuse_FRRF` | 80.0407 | 14.000 | 14.000 | 1607.58 † | 1.963× † | 11.900 | 0.4402 | 0.4835 |
| | | | | | | | | |
| *≈2.85–3×* | | | | | | | | |
| `teacache_Fxxx_x3` | 65.0186 | 18.378 | 9.622 | 1087.44 | 2.891× | 11.352 | 0.3356 | 0.6346 |
| `flowcache_Fxxx_x3` | 65.1726 | 18.073 | 9.927 | 1161.04 | 2.707× | 11.338 | 0.3387 | 0.6278 |
| `taylorseer_Fxxx_x2.85` | 60.9596 | 19.000 | 9.000 | 1217.30 | 2.904× | 10.339 | 0.2573 | 0.7044 |
| `motioncache_Fxxx_x2.85` | 59.5795 | 19.957 | 8.043 | 1706.05 | 2.072× | 10.619 | 0.2432 | 0.7114 |
| `motioncache_Fxxx_x3` | 60.9864 | 18.657 | 9.343 | 1698.44 | 1.849× | 10.941 | 0.2716 | 0.6802 |
| | | | | | | | | |
| *≈3.3–4×* | | | | | | | | |
| `naive1step` | 75.5181 | — | 7.000 | 797.85 † | 3.956× † | 11.470 | 0.4009 | 0.5506 |
| `reuse_FRRR` | 58.8612 | 21.000 | 7.000 | 825.80 † | 3.822× † | 10.148 | 0.2478 | 0.7408 |
| | | | | | | | | |
| **首 chunk FFFF（`_c0FFFF`）** | | | | | | | | |
| | | | | | | | | |
| *≈1.3×* | | | | | | | | |
| `teacache_x1.3_c0FFFF` | 81.0382 | 4.697 | 23.303 | 2611.40 | 1.209× | 16.495 | 0.7670 | 0.1410 |
| `taylorseer_x1.3_c0FFFF` | 81.3120 | 6.000 | 22.000 | 2522.30 | 1.251× | 14.728 | 0.6736 | 0.1983 |
| `motioncache_x1.3_c0FFFF` | 81.3863 | 5.410 | 22.590 | 2754.74 | 1.146× | 14.950 | 0.6803 | 0.1935 |
| `naive3step_c0FFFF` | 81.3914 | — | 22.000 | 2457.13 † | 1.284× † | 14.407 § | 0.6324 § | 0.2236 § |
| `reuse_FRFF_c0FFFF` | 81.3370 | 6.000 | 22.000 | 2467.84 † | 1.279× † | 14.775 § | 0.6624 § | 0.2046 § |
| | | | | | | | | |
| *≈1.75×* | | | | | | | | |
| `taylorseer_x1.75_c0FFFF` | 80.7431 | 11.000 | 17.000 | 1935.50 | 1.631× | 14.443 | 0.5972 | 0.2719 |
| `motioncache_x1.75_c0FFFF` | 81.1129 | 11.295 | 16.705 | 2173.89 | 1.452× | 14.454 | 0.6430 | 0.2301 |
| `naive2step_c0FFFF` | 81.7050 | — | 16.000 | 1746.77 † | 1.807× † | 14.259 § | 0.6122 § | 0.2437 § |
| `reuse_FRRF_c0FFFF` | 81.1816 | 12.000 | 16.000 | 1766.47 † | 1.787× † | 14.502 § | 0.6254 § | 0.2413 § |
| | | | | | | | | |
| *≈2×* | | | | | | | | |
| `teacache_x2_c0FFFF` | 81.1816 | 12.000 | 16.000 | 1764.22 | 1.789× | 14.431 § | 0.6423 § | 0.2327 § |
| | | | | | | | | |
| *≈2.85–3×* | | | | | | | | |
| `teacache_Fxxx_x3_c0FFFF` | 65.6584 | 16.558 | 11.442 | 1225.90 | 2.574× | 12.895 | 0.4612 | 0.5070 |
| `taylorseer_Fxxx_x2.85_c0FFFF` | 65.4647 | 16.000 | 12.000 | 1334.99 | 2.364× | 12.802 | 0.4509 | 0.5047 |
| `motioncache_Fxxx_x2.85_c0FFFF` | 64.0830 | 16.900 | 11.100 | 1792.95 | 1.760× | 12.959 | 0.4250 | 0.5596 |
| `naive1step_c0FFFF` | 79.1501 | — | 10.000 | 1035.46 † | 3.048× † | 14.104 § | 0.5977 § | 0.2779 § |
| `reuse_FRRR_c0FFFF` | 59.5377 | 18.000 | 10.000 | 1061.93 † | 2.972× † | 12.433 § | 0.3890 § | 0.6052 § |

### Causal-Forcing-a（Predictor）

| 策略 | VBench-251 (%) | 平均 P | Full | 模型路径耗时 (ms) | 加速比 | PSNR | SSIM | LPIPS |
|---|---:|---:|---:|---:|---:|---:|---:|---:|
| **7 chunk（81 帧）** | | | | | | | | |
| `ffff` | 81.1659 | 0.000 | 28.000 | 3225.29 | 1.000× | 120.000 | 1.0000 | 0.0000 |
| | | | | | | | | |
| *≈1.3×* | | | | | | | | |
| `atc_chunk_s2_fpff` | 80.9902 | 6.000 | 22.000 | 2519.19 † | 1.280× † | 14.667 | 0.6761 | 0.1970 |
| | | | | | | | | |
| *≈1.75×* | | | | | | | | |
| `atc_chunk_fppf` | 81.5505 | 12.000 | 16.000 | 1900.49 | 1.697× | 14.635 | 0.6532 | 0.2215 |
| `atc_chunk_s2_fppf` | 81.2486 | 12.000 | 16.000 | 1871.26 † | 1.724× † | 14.452 | 0.6460 | 0.2260 |
| `atc_last_frame_fppf` | 81.2733 | 12.000 | 16.000 | 1897.37 | 1.700× | 14.622 | 0.6531 | 0.2217 |
| `disca_fppf` | 81.4375 | 12.000 | 16.000 | 1857.48 | 1.736× | 14.551 | 0.6516 | 0.2213 |
| `disca_s1000_fppf` | 81.2360 | 12.000 | 16.000 | 1824.35 ‡ | 1.768× ‡ | 14.830 § | 0.6229 § | 0.2380 § |
| `atc_chunk_fpf` | 81.2960 | 6.000 | 16.000 | 1819.13 | 1.773× | 14.523 § | 0.6117 § | 0.2419 § |
| | | | | | | | | |
| *≈2.85–3×* | | | | | | | | |
| `atc_chunk_fppp` | 77.3396 | 18.000 | 10.000 | 1238.59 | 2.604× | 14.328 | 0.6088 | 0.3012 |
| `atc_chunk_s2_fppp` | 78.6374 | 18.000 | 10.000 | 1221.75 † | 2.640× † | 14.135 | 0.5971 | 0.2976 |
| `atc_last_frame_fppp` | 77.3843 | 18.000 | 10.000 | 1234.61 | 2.612× | 14.298 | 0.6096 | 0.3005 |
| `disca_fppp` | 75.9581 | 18.000 | 10.000 | 1157.33 | 2.787× | 14.073 | 0.5782 | 0.3242 |
| `disca_s1000_fppp` | 72.2150 | 18.000 | 10.000 | 1153.31 ‡ | 2.797× ‡ | 13.858 § | 0.5182 § | 0.4040 § |
| | | | | | | | | |
| **14 chunk（165 帧）** | | | | | | | | |
| `14c_ffff` | 81.0061 | 0.000 | 56.000 | 7410.82 | 1.000× | 120.000 | 1.0000 | 0.0000 |
| | | | | | | | | |
| *≈1.75×* | | | | | | | | |
| `atc_chunk_14c_fppf` | 80.5734 | 26.000 | 30.000 | 4196.75 | 1.766× | 12.824 | 0.5568 | 0.3382 |
| `atc_chunk_s2_14c_fppf` | 80.9730 | 26.000 | 30.000 | 4196.14 | 1.766× | 12.715 | 0.5512 | 0.3452 |
| `atc_chunk_s2_s500_14c_fppf` | 81.0817 | 26.000 | 30.000 | 4167.73 | 1.778× | 12.817 § | 0.5299 § | 0.3522 § |
| `atc_chunk_s2_s1000_14c_fppf` | 81.1134 | 26.000 | 30.000 | 4167.71 | 1.778× | 12.748 § | 0.5311 § | 0.3524 § |
| `disca_14c_fppf` | 80.5953 | 26.000 | 30.000 | 4075.89 | 1.818× | 12.806 § | 0.5328 § | 0.3462 § |
| `disca_s500_14c_fppf` | 80.1191 | 26.000 | 30.000 | 4075.51 | 1.818× | 12.268 § | 0.5120 § | 0.3670 § |
| `disca_s1000_14c_fppf` | 80.5057 | 26.000 | 30.000 | 4075.84 | 1.818× | 13.040 § | 0.5250 § | 0.3631 § |
| `naive2step_14c` | 80.7865 | — | 30.000 | 3880.86 | 1.910× | 12.597 § | 0.5211 § | 0.3578 § |
| | | | | | | | | |
| **28 chunk（333 帧）** | | | | | | | | |
| `28c_ffff` | 77.9850 | 0.000 | 112.000 | 15832.56 | 1.000× | 120.000 | 1.0000 | 0.0000 |
| | | | | | | | | |
| *≈1.75×* | | | | | | | | |
| `atc_chunk_28c_fppf` | 77.4779 | 54.000 | 58.000 | 8831.55 | 1.793× | 11.004 | 0.4520 | 0.4727 |
| `atc_chunk_s2_28c_fppf` | 78.6544 | 54.000 | 58.000 | 8830.84 | 1.793× | 11.077 | 0.4412 | 0.4814 |
| `atc_chunk_s2_s500_28c_fppf` | 78.5516 | 54.000 | 58.000 | 8790.80 | 1.801× | 11.109 § | 0.4214 § | 0.4906 § |
| `atc_chunk_s2_s1000_28c_fppf` | 78.8416 | 54.000 | 58.000 | 8790.42 | 1.801× | 11.092 § | 0.4255 § | 0.4850 § |
| `disca_28c_fppf` | 77.8652 | 54.000 | 58.000 | 8598.80 | 1.841× | 10.985 § | 0.4235 § | 0.4813 § |
| `disca_s500_28c_fppf` | 75.4569 | 54.000 | 58.000 | 8599.47 | 1.841× | 10.342 § | 0.3920 § | 0.5037 § |
| `disca_s1000_28c_fppf` | 77.3960 | 54.000 | 58.000 | 8599.13 | 1.841× | 11.171 § | 0.4119 § | 0.5065 § |
| | | | | | | | | |
| *≈2×* | | | | | | | | |
| `naive2step_28c` | 78.7351 | — | 58.000 | 8139.14 | 1.945× | 11.024 § | 0.4163 § | 0.4844 § |

### HY-WorldPlay（I2V，VBench-I2V-100）

第三个基模：HY-WorldPlay 的 4-step 蒸馏自回归 I2V 模型（HunyuanVideo-1.5 架构，54 个 double-stream block，480×832，125 帧 = 8 chunk × 4 步 = **32 次去噪 forward**）。评测集为 DEV 项目的 validation25：25 张 VBench-I2V 图 × 4 组双向相机动作 = 100 个视频，seed 0。两列 VBench 都基于 `custom_input` 模式下的同一组 **Core5** 五个画质维度（subject_consistency、background_consistency、motion_smoothness、aesthetic_quality、imaging_quality，后者先除以 100）：**原始**列是五项原始分的简单平均，口径与 HY-WorldPlay-DEV-Predictor 项目 experiment.md 第 8 节的 VBench Core5 一致，便于直接对照；**归一**列先按 VBench 官方 min-max 归一再平均，即 `((sc−0.1462)/0.8538 + (bc−0.2615)/0.7385 + (ms−0.7060)/0.2915 + aq + iq) / 5`，与 251 表的质量组口径一致。平均 P = 32 − Full。耗时列为去噪路径（32 次 forward）的 GPU 时间，不含每 chunk 一次的 context KV pass 和文本 KV pass；加速比与同进程内同一 job 的 FFFF 配对。

| 策略 | VBench-I2V-100 原始 (%) | VBench-I2V-100 归一 (%) | 平均 P | Full | 模型路径耗时 (ms) | 加速比 | PSNR | SSIM | LPIPS |
|---|---:|---:|---:|---:|---:|---:|---:|---:|---:|
| **原始调度（chunk 0 与其它 chunk 相同）** | | | | | | | | | |
| `ffff` | 84.2562 | 83.3246 | 0.000 | 32.000 | 26412.97 | 1.000× | 120.000 | 1.0000 | 0.0000 |
| | | | | | | | | | |
| *≈1.3×* | | | | | | | | | |
| `teacache_x1.3` | 84.3669 | 83.4689 | 8.000 | 24.000 | 19930.69 | 1.325× | 20.117 | 0.7697 | 0.1102 |
| `taylorseer_x1.3` | 84.2522 | 83.3337 | 7.000 | 25.000 | 22387.68 | 1.180× | 18.140 | 0.6780 | 0.1582 |
| `motioncache_x1.3` | 84.2313 | 83.3155 | 8.000 | 24.000 | 23101.18 | 1.143× | 17.845 | 0.6725 | 0.1642 |
| `naive3step` | 84.2911 | 83.3647 | — | 24.000 | 20351.22 | 1.330× | 19.353 | 0.7400 | 0.1261 |
| `reuse_FRFF` | 84.2897 | 83.3844 | 8.000 | 24.000 | 20673.89 | 1.309× | 18.187 | 0.6792 | 0.1575 |
| | | | | | | | | | |
| *≈1.75×* | | | | | | | | | |
| `teacache_x1.75` | 84.2693 | 83.3820 | 11.320 | 20.680 | 17177.16 | 1.538× | 17.638 | 0.6630 | 0.1781 |
| `taylorseer_x1.75` | 84.2668 | 83.3677 | 15.000 | 17.000 | 15685.12 | 1.684× | 16.903 | 0.6269 | 0.2090 |
| `motioncache_x1.75` | 84.2535 | 83.3566 | 14.382 | 17.618 | 17322.76 | 1.525× | 17.001 | 0.6305 | 0.2058 |
| | | | | | | | | | |
| *≈2×* | | | | | | | | | |
| `naive2step` | 84.2625 | 83.3436 | — | 16.000 | 13670.78 | 1.979× | 18.023 | 0.6641 | 0.1771 |
| `reuse_FRRF` | 84.2277 | 83.3291 | 16.000 | 16.000 | 13895.92 | 1.947× | 17.001 | 0.6288 | 0.2081 |
| | | | | | | | | | |
| *≈2.85–3×* | | | | | | | | | |
| `teacache_Fxxx_x2.85` | 82.8598 | 81.7531 | 19.380 | 12.620 | 10516.41 | 2.512× | 16.115 | 0.5980 | 0.2634 |
| `taylorseer_Fxxx_x2.85` | 82.4336 | 81.1889 | 21.000 | 11.000 | 10475.24 | 2.522× | 15.394 | 0.5608 | 0.3208 |
| `motioncache_Fxxx_x2.85` | 81.3278 | 79.9229 | 22.295 | 9.705 | 10594.27 | 2.494× | 15.160 | 0.5474 | 0.3761 |
| | | | | | | | | | |
| *≈3.3–4×* | | | | | | | | | |
| `naive1step` | 83.1146 | 82.0591 | — | 8.000 | 6940.58 | 3.899× | 16.096 | 0.5808 | 0.2998 |
| `reuse_FRRR` | 81.2746 | 79.8838 | 24.000 | 8.000 | 7182.47 | 3.767× | 15.043 | 0.5461 | 0.3698 |
| | | | | | | | | | |
| **首 chunk FFFF（`_c0FFFF`；Predictor 行 chunk 0 固定全算）** | | | | | | | | | |
| | | | | | | | | | |
| *≈1.3×* | | | | | | | | | |
| `naive3step_c0FFFF` | 84.2618 | 83.3402 | — | 25.000 | 20247.11 | 1.305× | 21.728 § | 0.7794 § | 0.1072 § |
| `reuse_FRFF_c0FFFF` | 84.2477 | 83.3293 | 7.000 | 25.000 | 20320.55 | 1.300× | 19.967 § | 0.7262 § | 0.1315 § |
| | | | | | | | | | |
| *≈1.75×* | | | | | | | | | |
| `teacache_x1.75_c0FFFF` | 84.2781 | 83.3869 | 14.000 | 18.000 | 14225.79 | 1.857× | 18.616 § | 0.6855 § | 0.1668 § |
| `taylorseer_x1.75_c0FFFF` | 84.2736 | 83.3736 | 14.000 | 18.000 | 15502.48 | 1.704× | 18.598 § | 0.6845 § | 0.1670 § |
| `motioncache_x1.75_c0FFFF` | 84.2630 | 83.3633 | 13.930 | 18.070 | 16165.60 | 1.634× | 18.587 § | 0.6843 § | 0.1672 § |
| `disca_s1_fppf` | 84.1670 | 83.2478 | 14.000 | 18.000 | 14662.50 ¶ | 1.801× ¶ | 19.668 | 0.7233 | 0.1346 |
| `disca_s500_fppf` | 待打分 | 待打分 | 14.000 | 18.000 | 14841.37 ¶ | 1.780× ¶ | 19.350 | 0.7120 | 0.1410 |
| `disca_s1000_fppf` | 84.1546 | 83.2336 | 14.000 | 18.000 | 14720.59 ¶ | 1.794× ¶ | 19.660 | 0.7216 | 0.1350 |
| `atc_s1_fppf` | 84.1847 | 83.2703 | 14.000 | 18.000 | 15812.57 ¶ | 1.670× ¶ | 20.056 | 0.7439 | 0.1257 |
| `atc_s2_s500_fppf_c0FFFF` | 84.2119 | 83.3056 | 14.000 | 18.000 | 20950.51 ¶ | 1.261× ¶ | 20.183 | 0.7480 | 0.1205 |
| `atc_s2_s800_fppf_c0FFFF` | 84.2323 | 83.3288 | 14.000 | 18.000 | 15629.35 ¶ | 1.690× ¶ | 20.457 | 0.7570 | 0.1163 |
| `atc_s2_s1000_fppf_c0FFFF` | 84.2230 | 83.3159 | 14.000 | 18.000 | 15566.46 ¶ | 1.697× ¶ | 20.265 | 0.7537 | 0.1176 |
| `atc_s2_s1500_fppf_c0FFFF` | 84.2264 | 83.3206 | 14.000 | 18.000 | 15546.63 ¶ | 1.699× ¶ | 20.581 | 0.7628 | 0.1137 |
| `atc_s2_s2000_fppf_c0FFFF` | 84.2402 | 83.3379 | 14.000 | 18.000 | 18191.28 ¶ | 1.452× ¶ | 20.519 | 0.7611 | 0.1144 |
| `naive2step_c0FFFF` | 84.2625 | 83.3447 | — | 18.000 | 14095.82 | 1.874× | 19.723 § | 0.7122 § | 0.1480 § |
| `reuse_FRRF_c0FFFF` | 84.2781 | 83.3869 | 14.000 | 18.000 | 14188.73 | 1.862× | 18.616 § | 0.6855 § | 0.1668 § |
| | | | | | | | | | |
| *≈2.85–3×* | | | | | | | | | |
| `teacache_Fxxx_x2.85_c0FFFF` | 82.6370 | 81.4356 | 18.320 | 13.680 | 10420.56 | 2.535× | 17.402 § | 0.6493 § | 0.2323 § |
| `taylorseer_Fxxx_x2.85_c0FFFF` | 81.6863 | 80.2616 | 21.000 | 11.000 | 9202.77 | 2.870× | 16.731 § | 0.6155 § | 0.2800 § |
| `motioncache_Fxxx_x2.85_c0FFFF` | 81.4090 | 79.9492 | 20.875 | 11.125 | 10491.83 | 2.517× | 16.788 § | 0.6167 § | 0.2840 § |
| `disca_s1_fppp` | 81.9808 | 80.7777 | 21.000 | 11.000 | 8802.08 ¶ | 3.001× ¶ | 18.980 | 0.6791 | 0.2445 |
| `disca_s1000_fppp` | 82.0229 | 80.8101 | 21.000 | 11.000 | 8728.97 ¶ | 3.026× ¶ | 18.891 | 0.6772 | 0.2430 |
| `atc_s1_fppp` | 81.9767 | 80.7813 | 21.000 | 11.000 | 10200.68 ¶ | 2.589× ¶ | 19.270 | 0.6931 | 0.2328 |
| `atc_s2_s500_fppp_c0FFFF` | 82.8711 | 81.7725 | 21.000 | 11.000 | 12327.93 ¶ | 2.143× ¶ | 19.203 | 0.6956 | 0.2063 |
| `atc_s2_s800_fppp_c0FFFF` | 82.7394 | 81.6377 | 21.000 | 11.000 | 9916.60 ¶ | 2.664× ¶ | 19.352 | 0.6991 | 0.2087 |
| `atc_s2_s1000_fppp_c0FFFF` | 82.7097 | 81.5668 | 21.000 | 11.000 | 10035.86 ¶ | 2.632× ¶ | 19.248 | 0.6952 | 0.2097 |
| `atc_s2_s1500_fppp_c0FFFF` | 82.7710 | 81.6625 | 21.000 | 11.000 | 9942.50 ¶ | 2.657× ¶ | 19.317 | 0.6989 | 0.2069 |
| `atc_s2_s2000_fppp_c0FFFF` | 82.7682 | 81.6582 | 21.000 | 11.000 | 11259.37 ¶ | 2.346× ¶ | 19.336 | 0.6989 | 0.2077 |
| `naive1step_c0FFFF` | 83.6264 | 82.6327 | — | 11.000 | 7928.52 | 3.331× | 17.717 § | 0.6393 § | 0.2345 § |
| `reuse_FRRR_c0FFFF` | 81.5309 | 80.0960 | 21.000 | 11.000 | 8070.78 | 3.273× | 16.796 § | 0.6174 § | 0.2812 § |

### LingBot-World-V2-1.3B-Causal-Fast（I2V，VBench-I2V-100）

第四个基模：LingBot-World-V2 的 1.3B causal-fast 蒸馏自回归 I2V 世界模型（Wan2.1-1.3B block-causal 架构，30 个 block，相机 Plucker 条件，480×832，16 fps，125 帧 = 8 chunk × 4 latent × 4 步 = **32 次去噪 forward**，KV 窗口 18 latent、sink 6）。评测协议与 HY-WorldPlay 完全相同：validation25 的 25 张图 × 4 组双向相机动作 = 100 个视频，seed 0，Core5 五维、原始/归一两列同上；相机动作把 HY 的逐 latent 位姿（前进 0.08 单位/latent、旋转 3°/latent，前半程正向、后半程反向）换算成 LingBot 需要的逐帧 OpenCV c2w 位姿（4 帧/latent），内参取模型 480×832 示例数据的 fx = fy ≈ 415.6。**这里的 `reuse_*` 复用的是 velocity 而不是 block 残差**：R 步完全不调用 DiT，直接把上一次算出的 flow 预测当作本步预测（`x0 = x_t − σ_t·v_prev`），再照常 renoise；因此 R 步耗时≈0，FRFF/FRRF/FRRR 的 Full 精确为 24/16/8。三个缓存方法（TeaCache / TaylorSeer / MotionCache）按 `cachelib` 的同一套移植接在 30 个 block 的循环上（block 级重实现与官方 forward 逐位一致，`lb_test_exact.py`），操作点沿用 HY 的流程：TeaCache 的 rescale 多项式用 3 个 case × 125 帧标定（`lb_coeff.json`，一次多项式，R² 0.63）；`x1.3` 由 compute fraction 二分得到（`lb_sweep_*.json`，61 帧）；`x1.75` / `Fxxx_x2.85` 及其 `_c0FFFF` 变体在 61 帧、配对 FFFF 的实测加速比网格上定点（`lb_point_v2.json` / `lb_point_c0.json`，选点规则与 HY 相同）。naive 减步按 Self-Forcing 的规则取 4 步网格的均匀子集（4 步网格 t = 999/937/833/624；3 步 = 999/833/624、2 步 = 999/624、1 步 = 999）。`atc_chunk_*` / `disca_*` 为 Layer-17 Predictor（`lingbot-world-v2-a`，Causal-Forcing-a 的同款移植：复制教师 block 17 + 融合模块，预测 head 输入的 final hidden；离线集 = 100 组 HY 训练图 × 4 动作 × 7 chunk × 3 相邻转移 = 8400 个样本，Stage-1 监督蒸馏 2000 步、全局 batch 64、fusion lr 1e-4 / block lr 1e-5，未做 Stage-2）；chunk 0 固定 FFFF，FPPF / FPPP 中 P 步锚定同 chunk 上一步的 hidden，FPF 只走 t = 999 / 937 / 624 三步（P 锚定 t = 999）；P 列为 Predictor 调用次数，Full 为完整 DiT 次数，Predictor 按 1/30 次 forward 计入算量。耗时列为去噪路径的 GPU 时间，不含每 chunk 一次的 context KV pass（t=0 的 KV 重写）；加速比与同进程内同一 job 的 FFFF 配对。

| 策略 | VBench-I2V-100 原始 (%) | VBench-I2V-100 归一 (%) | 平均 P | Full | 模型路径耗时 (ms) | 加速比 | PSNR | SSIM | LPIPS |
|---|---:|---:|---:|---:|---:|---:|---:|---:|---:|
| **原始调度（chunk 0 与其它 chunk 相同）** | | | | | | | | | |
| `ffff` | 82.3539 | 80.2586 | 0.000 | 32.000 | 6093.68 | 1.000× | 120.000 | 1.0000 | 0.0000 |
| | | | | | | | | | |
| *≈1.3×* | | | | | | | | | |
| `teacache_x1.3` | 82.1485 | 80.1311 | 8.000 | 24.000 | 4645.01 | 1.313× | 15.926 | 0.5619 | 0.3094 |
| `taylorseer_x1.3` | 81.8251 | 79.8054 | 7.000 | 25.000 | 5023.59 | 1.214× | 16.037 | 0.5614 | 0.3130 |
| `motioncache_x1.3` | 81.2355 | 79.1397 | 7.286 | 24.714 | 5070.72 | 1.203× | 16.005 | 0.5622 | 0.3111 |
| `naive3step` | 82.1337 | 80.0778 | — | 24.000 | 4581.98 | 1.331× | 15.369 | 0.4767 | 0.3358 |
| `reuse_FRFF` | 82.0735 | 80.0272 | 8.000 | 24.000 | 4573.81 | 1.332× | 15.855 | 0.5632 | 0.3077 |
| | | | | | | | | | |
| *≈1.75×* | | | | | | | | | |
| `teacache_x1.75` | 80.9831 | 78.8059 | 9.930 | 22.070 | 4330.60 | 1.408× | 15.655 | 0.5365 | 0.3393 |
| `taylorseer_x1.75` | 76.6210 | 73.8544 | 16.000 | 16.000 | 3405.13 | 1.791× | 15.126 | 0.4776 | 0.4592 |
| `motioncache_x1.75` | 79.4888 | 77.0818 | 13.937 | 18.063 | 3835.59 | 1.590× | 15.496 | 0.5152 | 0.3733 |
| | | | | | | | | | |
| *≈2×* | | | | | | | | | |
| `naive2step` | 80.5176 | 78.3186 | — | 16.000 | 3061.56 | 1.992× | 14.945 | 0.4544 | 0.3699 |
| `reuse_FRRF` | 76.7683 | 73.5659 | 16.000 | 16.000 | 3059.20 | 1.992× | 14.869 | 0.4767 | 0.4288 |
| | | | | | | | | | |
| *≈2.85–3×* | | | | | | | | | |
| `teacache_Fxxx_x2.85` | 75.1360 | 71.6186 | 17.590 | 14.410 | 2895.33 | 2.106× | 13.435 | 0.4067 | 0.5503 |
| `taylorseer_Fxxx_x2.85` | 70.8612 | 65.4422 | 21.000 | 11.000 | 2534.78 | 2.406× | 11.432 | 0.2408 | 0.7647 |
| `motioncache_Fxxx_x2.85` | 71.0194 | 64.6213 | 23.623 | 8.377 | 2357.22 | 2.587× | 11.080 | 0.2028 | 0.7918 |
| | | | | | | | | | |
| *≈3.3–4×* | | | | | | | | | |
| `naive1step` | 75.1651 | 72.2501 | — | 8.000 | 1542.10 | 3.955× | 14.197 | 0.4394 | 0.4368 |
| `reuse_FRRR` | 71.5376 | 65.4500 | 24.000 | 8.000 | 1541.77 | 3.952× | 10.160 | 0.1762 | 0.8437 |
| | | | | | | | | | |
| **首 chunk FFFF（`_c0FFFF`；Predictor 行 chunk 0 固定全算）** | | | | | | | | | |
| | | | | | | | | | |
| *≈1.3×* | | | | | | | | | |
| `naive3step_c0FFFF` | 82.1607 | 80.1107 | — | 25.000 | 4720.24 | 1.292× | 16.469 | 0.5485 | 0.2759 |
| `reuse_FRFF_c0FFFF` | 82.1895 | 80.1582 | 7.000 | 25.000 | 4720.73 | 1.292× | 17.293 | 0.6455 | 0.2377 |
| | | | | | | | | | |
| *≈1.75×* | | | | | | | | | |
| `teacache_x1.75_c0FFFF` | 78.9073 | 76.3152 | 14.000 | 18.000 | 3439.77 | 1.773× | 16.656 | 0.5814 | 0.3268 |
| `taylorseer_x1.75_c0FFFF` | 77.4694 | 74.7649 | 13.000 | 19.000 | 3860.07 | 1.580× | 16.253 | 0.5518 | 0.3966 |
| `motioncache_x1.75_c0FFFF` | 78.9094 | 76.3180 | 13.992 | 18.008 | 3733.35 | 1.634× | 16.659 | 0.5815 | 0.3267 |
| `atc_chunk_fppf` | 80.0022 | 77.8061 | 14.000 | 18.000 | 3536.15 | 1.728× | 17.301 | 0.6297 | 0.2778 |
| `disca_fppf` | 80.0298 | 77.8495 | 14.000 | 18.000 | 3481.70 | 1.755× | 17.275 | 0.6279 | 0.2766 |
| `atc_chunk_fpf` | 80.2317 | 78.0594 | 7.000 | 18.000 | 3445.52 | 1.774× | 16.765 | 0.5490 | 0.2936 |
| `disca_fpf` | 80.3026 | 78.1454 | 7.000 | 18.000 | 3413.59 | 1.790× | 16.731 | 0.5497 | 0.2933 |
| `naive2step_c0FFFF` | 80.8730 | 78.7215 | — | 18.000 | 3342.15 | 1.825× | 16.162 | 0.5342 | 0.3007 |
| `reuse_FRRF_c0FFFF` | 76.9432 | 73.7413 | 14.000 | 18.000 | 3340.95 | 1.825× | 15.996 | 0.5476 | 0.3793 |
| | | | | | | | | | |
| *≈2.85–3×* | | | | | | | | | |
| `teacache_Fxxx_x2.85_c0FFFF` | 76.7028 | 73.5163 | 14.650 | 17.350 | 3323.93 | 1.835× | 15.709 | 0.5422 | 0.3865 |
| `taylorseer_Fxxx_x2.85_c0FFFF` | 62.0634 | 53.7016 | 21.000 | 11.000 | 2371.54 | 2.572× | 12.114 | 0.2968 | 0.7078 |
| `motioncache_Fxxx_x2.85_c0FFFF` | 62.0254 | 53.9066 | 20.996 | 11.004 | 2265.94 | 2.691× | 12.192 | 0.3137 | 0.6975 |
| `atc_chunk_fppp` | 73.6541 | 70.6632 | 21.000 | 11.000 | 2257.30 | 2.707× | 16.577 | 0.5786 | 0.3895 |
| `disca_fppp` | 73.6381 | 70.4325 | 21.000 | 11.000 | 2166.88 | 2.820× | 16.518 | 0.5565 | 0.3864 |
| `naive1step_c0FFFF` | 76.6593 | 73.9502 | — | 11.000 | 1960.37 | 3.111× | 15.430 | 0.5203 | 0.3572 |
| `reuse_FRRR_c0FFFF` | 62.1155 | 53.9646 | 21.000 | 11.000 | 1961.77 | 3.109× | 11.297 | 0.2748 | 0.7399 |

† 耗时来自该策略自己的生成运行（独占 GPU、单进程），与各基模 FFFF 首批记录相比得到加速比，未做同进程配对计时；按约定不再做 FFFF 重计时。其中 `atc_chunk_s2_fpff`（153/251 条）、`atc_chunk_s2_fppf`（155/251 条）、`atc_chunk_s2_fppp`（156/251 条） 的耗时只来自生成时计时未被破坏的那部分 prompt：其余记录的原始计时被一次中断且遭遇 GPU 争用的配对重计时覆盖，已在记录中标记 `latency_excluded` 并从耗时均值剔除，VBench 与像素指标仍用全部 251 条。

‡ 该行有部分记录在生成时 GPU 被其他进程短暂共用（Sep 7 的 `disca_s1000_*`：GPU 4/7 上的 gpu_burn 占位，06:22–06:40，每策略约 84 条），这些记录事后在空闲 GPU 上只重跑策略路径重新计时（FFFF 不重跑，逐条核对算量一致，旧值保留在记录的 `generation_run_latency`）；其余记录为独占 GPU 的生成运行值。所有记录均为单进程计时。

§ 像素指标以 FFFF 运行写出的 MP4 解码帧为参考（其余行以 MP4 编码前的原始帧为参考）；同一批视频上实测差异：PSNR +0.10 dB、SSIM −0.024、LPIPS +0.012。`cf_teacache_x2_c0FFFF` 为混合（75/251 条用 MP4 参考）。

¶ `hy_atc_s1_*` / `hy_disca_s1_*` 来自 HY-WorldPlay-DEV-Predictor 的 validation25 评测（ATC Stage-1，`predictor_v4_atc-full_transport-global-chunk_…_4gpu_bs8x2_steps2000`，step 2000，FPPF/FPPP，chunk 0 四步全算——DEV 的 rollout 固定如此，Predictor 需要前一 chunk；FPPF = 18 full + 14 Predictor，FPPP = 11 + 21），耗时为该项目生成器的 host 端分段计时（`ar_step_transformer + ar_step_predictor`，即去噪路径，不含 context/history KV），与本表其它行的 CUDA event 计时口径接近但不完全相同；像素指标对照 DEV 项目 validation 的 FFFF 视频（与 `hy_ffff` 同源）。DisCa 为双 block Predictor（blocks [0,53]，Sep 8 用 `--force_first_chunk_full` 重跑）。`hy_atc_s2_s<N>_*` 为同一 ATC Stage-1 再经 on-policy detached chunk+timestep FPPP rollout 微调（4 卡、每卡 1 条轨迹 × 累积 2、flr 5e-5 / blr 5e-6、2000 steps）后第 N 步的权重，Sep 10 评测（DEV experiment.md 第 12 节），生成设置与 `hy_atc_s1_*` 相同。Predictor 步按 1/54（DisCa 2/54）次 forward 计入 Full。

### 读数备注

- 2.0× 是 `FxxF` 的算术上限（14/28），到了这一档 TeaCache / FlowCache / MotionCache 全部退化成"中间两步整体跳过、残差拷贝"，走的是同一条代码路径，所以三者数字一致；TaylorSeer 在 2.0× 上不同（逐模块拷贝 + 当前步调制），且略差。
- `FxxF` 下 TaylorSeer 的一阶预测从未被触发：跳步前 chunk 内只算过 step 0，差分导数不存在，实际走的是 order-0（拷贝）。`FFxx` 调度就是为了让预测真正生效。
- 像素指标（PSNR 12–15 dB）与 VBench（掉 0–1.4 分）严重脱钩；在这个设定里 PSNR/SSIM 只能当"偏离 FFFF 的程度"读，不是质量代理。
- **第一个 chunk 不该被缓存。** `teacache_x2_c0FFFF` 与 `teacache_x2` 用同一个阈值，唯一区别是 chunk 0 走满 FFFF 四步（算力 16/28 vs 14/28）。Self-Forcing 上 VBench 从 78.7743 升到 79.7515（**+0.98**，把相对 FFFF 的 1.76 分差距砍掉 55%），像素保真度改善更大：PSNR 13.02→16.61（**+3.59 dB**）、SSIM 0.4222→0.6511、LPIPS 0.4854→0.1883（几乎减半）。逐维增益集中在外观类（imaging_quality +0.021、aesthetic_quality +0.021、subject_consistency +0.014、scene +0.011），dynamic_degree −0.014（画面更稳）。机理很直接：第一个 chunk 没有前序 chunk 可复用，且整段视频的外观都继承自它，缓存它等于把误差灌进后面所有 chunk。值得注意的是它同时**又快又好于** `teacache_x1.3`（1.788× vs 1.240×，79.75 vs 79.59，PSNR 16.61 vs 15.16）——「首 chunk 全算 + 后续激进缓存」比「全程温和缓存」是更优的算力分配。
- **首 chunk FFFF 对三种方法、三个档位都成立（SF，`_c0FFFF` 行，Sep 6）。** 同参数下 VBench 一律上升：TeaCache 1.3× 79.59→80.39、1.6× 78.99→80.06（+1.07，1.353×）、`Fxxx` 3× 58.68→61.31；TaylorSeer 1.3× 79.83→80.44、1.75× 78.63→79.44、`Fxxx` 2.85× 60.30→65.54（**+5.2**）；MotionCache 1.3× 79.23→79.97、1.75× 79.03→80.34（**+1.31**，已到 FFFF 的 80.54 只差 0.2）、`Fxxx` 2.85× 58.60→62.04。像素保真度更是整体抬升一个台阶：`FxxF` 各档 PSNR 从 13.0–15.2 dB 升到 16.7–20.4 dB、LPIPS 从 0.32–0.52 降到 0.09–0.21；`Fxxx` 档 PSNR 也从 11.7–11.9 升到 14.0–14.3。代价是首 chunk 多算 1–3 次 forward，实测加速比回落 0.08–0.6×（1.3× 档几乎不亏：1.24→1.16、1.30→1.26、1.14→1.13；3× 档亏最多：3.47→2.89、2.95→2.37、2.54→1.90）。两点值得写进论文：(i) `motioncache_x1.75_c0FFFF` 在 1.445× 上达到 80.34 / PSNR 16.75，是 SF 上所有非 FFFF 配置里最接近 FFFF 的一档；(ii) 即便首 chunk 全算，`Fxxx` 仍停在 61–66 分——最后一步的损失是逐 chunk 局部的，不是从首 chunk 传下来的，所以两条规则相互独立：首 chunk 全算、最后一步全算。
- **首 chunk FFFF 在 Causal-Forcing 上同样成立，但 1.3× 档没有余量。** CF 的 FFFF 是 81.17，而三种方法的 1.3× 原版已经在 81.2–81.6（与 FFFF 持平或更高，属评测噪声），所以 `_c0FFFF` 在这一档 VBench 变化在 ±0.3 内（TeaCache 81.22→81.04、TaylorSeer 81.62→81.31、MotionCache 81.25→81.39）；但只要原版有损失，首 chunk 全算就把损失补回来：TeaCache 2× 79.97→**81.18**（+1.21，1.789× 下回到 FFFF 的 81.17；PSNR 11.90→14.43），1.75× TaylorSeer 79.95→80.74、MotionCache 80.67→81.11（回到 FFFF 水平），`Fxxx` 档 TaylorSeer 60.96→65.46、MotionCache 59.58→64.08（各 **+4.5**）、TeaCache 65.02→65.66。像素保真度则和 SF 一样全面抬升：`FxxF` 各档 PSNR 12.0–13.2→14.4–16.5、LPIPS 0.34–0.52→0.14–0.27。SF/CF 两个基模合起来，16 组同参数对照中 VBench 14 升 2 平（2 平的都是原本已到 FFFF 的 CF 1.3× 档），PSNR 16/16 上升。
- **naive 减步是很强的对照。** 在 Causal-Forcing 上按等算力配对（Full 完全相同）：21/28 档 `naive3step` 81.40 vs `reuse_FRFF` 81.31，14/28 档 80.57 vs 80.04，7/28 档 **75.52 vs 58.86**——直接少走几步全面不输于、低算力时远好于固定位置的残差复用，因为 `FRRR` 只算首步、其余三步复用同一个残差，误差累积到崩溃。更关键的是 `naive2step`（14/28、80.57）优于所有缓存方法在同一算力下的成绩（`teacache_x2` / `motioncache_x2` 均为 79.97–79.99），即在这个基模上「直接少走两步」比「走满四步再缓存两步」更划算。
- **HY-WorldPlay 上 naive 减步几乎免费，直接复用不是（Sep 6，Core5 原始分）。** `naive3step` 84.29、`naive2step` 84.26 与 FFFF 84.26 持平，`naive1step` 83.11（−1.1）却拿到 **3.90×**；像素上 naive3/2/1 的 PSNR 19.4 / 18.0 / 16.1。等算力对照：24/32 档 `naive3step` 84.29 ≈ `reuse_FRFF` 84.29 ≈ `teacache_x1.3` 84.37；16/32 档 `naive2step` 84.26 ≈ `reuse_FRRF` 84.23；8/32 档 `naive1step` 83.11 vs `reuse_FRRR` 81.27（**+1.8**，PSNR 16.1 vs 15.0）。也就是说 HY 这类蒸馏 AR 模型对步数极不敏感（4 步→2 步无损、→1 步只掉 1 分），三种缓存方法在 `FxxF` 下做到的 1.5–1.7× 都被 `naive2step` 的 1.98× 无损覆盖；缓存方法唯一还能争的是 2.5–2.9× 那一档，而那一档它们（81.3–82.9）也输给 `naive1step`（83.1，3.9×）。把 Self-Forcing/Causal-Forcing 上「naive 减步强于缓存」的结论推广到 HY 是成立的，而且更极端。
- **首 chunk FFFF + naive 减步是 CF 上目前最强的算力分配（Sep 7）。** 后 6 个 chunk 减步、chunk 0 仍走 4 步：`naive3step_c0FFFF` 81.39（22/28，1.284×）、`naive2step_c0FFFF` **81.71**（16/28，1.807×，高于 FFFF 的 81.17）、`naive1step_c0FFFF` **79.15**（10/28，3.048×）。对比同算力的其它配置：16/28 档 `teacache_x2_c0FFFF` = `reuse_FRRF_c0FFFF` 81.18、`taylorseer_x1.75_c0FFFF`(17) 80.74；10/28 档所有 `Fxxx` 缓存方法 61–66、`reuse_FRRR_c0FFFF` 59.5，而 `naive1step_c0FFFF` 79.15 领先 13 分以上——原因同前：减步让最后一次预测仍在 t=1000 这一训练过的时间步上做（对 1 步就是唯一一步），而 `Fxxx` 是把最后一步换成过期残差。首 chunk FFFF 对 naive 的增益随减步幅度放大：3 步 −0.01、2 步 +1.14、1 步 **+3.63**（75.52→79.15），像素指标也从 11.5–11.9 dB 抬到 14.1–14.4 dB。直接复用（reuse）在同算力下始终不如减步：22/28 档 81.34 vs 81.39，16/28 档 81.18 vs 81.71，10/28 档 59.5 vs 79.2。
- **HY 上首 chunk FFFF 对基线的作用小得多（Sep 7）。** naive/reuse 六个 `_c0FFFF` 变体里，VBench 只有本来有损的两个动了：`naive1step` 83.11→83.63（+0.51，3.90×→3.33×）、`reuse_FRRR` 81.27→81.53（+0.26，3.77×→3.27×）；已在 FFFF 水平的 3 步 / 2 步 / FRFF / FRRF 保持不变（±0.05）。像素指标仍全面上升（PSNR +1.6–2.4 dB，如 `naive2step` 18.0→19.7、`naive3step` 19.4→21.7）。这与 HY 是 I2V 一致：chunk 0 有输入图像做强条件，外观不像 T2V 那样完全由首 chunk 决定，所以 SF/CF 上 +1～+3.6 的 VBench 增益在 HY 上只剩零点几分。ATC Stage-1 predictor（`atc_s1_fppf`，DEV 项目 validation25）在 1.67× 下 84.18 / PSNR 20.1，像素保真度高于同速的 `teacache_x1.75`（PSNR 17.6）、与 `naive2step_c0FFFF`（1.87×，PSNR 19.7）相当。
- **HY 缓存方法在 c0FFFF 下重新搜参后达到了目标档位（Sep 8，`*_x1.75_c0FFFF` / `*_Fxxx_x2.85_c0FFFF`）。** 实测加速比 TeaCache 1.857× / 2.535×、TaylorSeer 1.704× / 2.870×、MotionCache 1.634× / 2.517×（之前为 1.54 / 2.51、1.68 / 2.52、1.53 / 2.49）。`FxxF` 档三者 VBench 全部保持 FFFF 水平（84.26–84.28 vs 84.26），像素指标比原版高 1–2 dB（PSNR 18.6 vs 16.9–17.6）；但这一档 TeaCache 与 TaylorSeer 落到的都是「后 7 chunk 中间两步全跳」的量化上限点（Full = 18/32），与 `reuse_FRRF_c0FFFF` 算力等价、结果也几乎一样（84.28 / PSNR 18.6），只有 MotionCache 仍保留 27% 的 token 级活跃步。`Fxxx` 档 VBench 82.6 / 81.7 / 81.4，与原版持平或略低（TaylorSeer 82.43→81.69 是换了更激进的 interval 3.9 以换取 2.52×→2.87×），像素指标同样 +1.2–1.6 dB。同算力对照仍然是 naive 减步占优：16–18/32 档 `naive2step_c0FFFF` 84.26 / 1.87× / PSNR 19.7 不输任何缓存方法，11/32 档 `naive1step_c0FFFF` 83.63 / 3.33× 高出所有 `Fxxx` 缓存点 1–2 分。ATC Stage-1 predictor `atc_s1_fppp` 在 2.59× 下 81.98 / PSNR 19.3——VBench 与 `Fxxx` 缓存点相当，像素保真度高 2–3 dB。DisCa Stage-1（双 block，blocks [0,53]，同样 chunk 0 全算）`disca_s1_fppf` 84.17 / PSNR 19.7 / LPIPS 0.135，1.80×：VBench 与 ATC 持平，像素保真度介于 ATC（20.1 / 0.126）与 naive2step_c0FFFF（19.7 / 0.148）之间，高于残差复用类（18.6 / 0.167）。FPPP 档 `disca_s1_fppp` 81.98 / PSNR 19.0（3.00×）与 `atc_s1_fppp` 81.98 / 19.3（2.59×）持平，仍低于 `naive1step_c0FFFF` 83.63。DisCa 的 step-1000 与 step-2000 checkpoint 几乎无差别（FPPF 84.15 vs 84.17，FPPP 82.02 vs 81.98，像素指标差 <0.1 dB）——HY 上 DisCa 在 1000 步已收敛，与 CF 上 DisCa 1000→2000 步 FPPP +3.7 的情况不同。
- **长视频（Sep 8，`*_14c_*` / `*_28c_*`：14 / 28 chunk = 165 / 333 帧，超过 21 帧训练上下文后 KV 走 21 帧滚动窗口）。** 14 chunk 时 FFFF 自身从 81.17 降到 81.01（`14c_ffff`；subject_consistency 95.7→92.7、background 95.8→94.1，scene 反而 56.0→61.3），说明滚动窗口下长程一致性本身在退化。ATC-chunk FPPF 在 14 chunk 上 1.766×：Stage-1 80.57（相对 `14c_ffff` −0.43，7 chunk 时是 +0.38）、Stage-2 **80.97**（−0.03）；像素指标从 7 chunk 的 PSNR 14.6 / LPIPS 0.22 降到 12.8 / 0.34——Predictor 的误差随 chunk 累积（前 7 chunk 之后没有 FFFF 的「重锚定」），Stage-2（随机出口 DMD）在长视频上比 Stage-1 稳得多（VBench +0.40，主要是 subject/background consistency）。28 chunk（333 帧）时趋势放大：FFFF 自身掉到 **77.99**（subject 95.7→88.3、background 95.8→89.6、aesthetic 66.6→62.2——滚动窗口下的长程漂移是基模本身的问题），ATC Stage-1 FPPF 77.48（−0.51）、**Stage-2 78.65（+0.67，高于同长度 FFFF；subject 89.1 vs 88.3、background 91.3 vs 89.6）**，加速比 1.793×；像素指标继续下滑到 PSNR 11.0 / LPIPS 0.47–0.48。三种长度合起来：Stage-1 相对同长度 FFFF 为 +0.38 / −0.43 / −0.51，Stage-2 为 +0.08 / −0.03 / +0.67——随机出口 DMD 训练出来的 Predictor 不会随视频变长而退化，反而在 FFFF 自己漂移最严重的 28 chunk 上略优于 FFFF。
- **长视频上的 checkpoint 扫描（Sep 11–12，CF 14 / 28 chunk，FPPF，chunk 0 FFFF；HY 16 / 32 chunk 进行中）。** 对比 DisCa Stage-1 的 step 500 / 1000 / 2000、ATC Stage-2（随机出口 DMD，EMA）的 step 500 / 1000 / 2000 与 naive 2 步（`naive2step_<n>c`：chunk 0 四步全算，之后每 chunk 只走 t=1000 / 250，与 `cf_naive2step_c0FFFF` 同一子集），三者 Full 完全相同（14 chunk 30/56、28 chunk 58/112），参考帧读同长度 FFFF 的 MP4（§）。14 chunk：ATC Stage-2 s500 / s1000 / s2000 = 81.08 / **81.11** / 80.97（FFFF 81.01，1.77–1.78×），DisCa s500 / s1000 / s2000 = 80.12 / 80.51 / 80.60（1.82×），`naive2step_14c` 80.79（1.91×）；28 chunk：ATC Stage-2 78.55 / **78.84** / 78.65（FFFF 77.99，1.80×），DisCa 75.46 / 77.40 / 77.87（1.84×），`naive2step_28c` 78.74（1.95×）。三点读数：(i) ATC Stage-2 三个 step 相差不到 0.15（14c）/ 0.3（28c），s500 就已经到达平台并且不低于同长度 FFFF——Stage-2 对长视频的增益来得很早，2000 步不是必要条件；(ii) DisCa 随步数单调上升，但 2000 步仍低于 FFFF 与 naive，且视频越长早期权重掉得越多（28c 的 s500 比 FFFF 低 2.5）——没有前一 chunk 通道的 Predictor 在长视频上误差累积更快；(iii) 等 Full 的 naive 2 步与最好的 ATC Stage-2 在 14c 只差 0.3、28c 持平（78.74 vs 78.84），像素指标也几乎相同（PSNR 12.6 vs 12.7–12.8、11.0 vs 11.1），而 naive 的实测加速比更高（Predictor 调用的真实开销高于按 1/30 forward 记的算量）——在 CF 的长视频上，ATC Stage-2 相对 naive 减步的优势只剩零点几分，主要收益是不低于 FFFF 的一致性指标（subject / background consistency）。HY 的 16 / 32 chunk 行（64 / 128 latent，相机动作等比拉长）生成中，完成后补入 HY 表。
- **`FPF`（Sep 8）：chunk 内只走 3 个时间步——t=1000 全算、t=750 一步 Predictor（锚定 t=1000，与训练一致）、跳过 t=500、t=250 全算。** ATC-chunk Stage-1 的 `atc_chunk_fpf` 在 **1.773×** 下 81.30（FFFF 81.17，同算力 16 full 的 `atc_chunk_fppf` 81.55 / 1.697×，`naive3step` 81.40 / 1.327×），像素指标 PSNR 14.5 / LPIPS 0.24 与 FPPF 相当。也就是说少调用一次 Predictor、直接跳过一个时间步，质量几乎不变而更快——和 naive 减步同一逻辑：中间步的价值主要在于让最后一步有一个好的 起点，而不在于步数本身。
- MotionCache 在 1.3×/1.6× 的实测加速比明显低于 compute 折算（差 9–11 个百分点）：逐 token 选择与 selective forward 的簿记开销是真实存在的；`Fxxx` 下更甚，compute 3.0× 只换来 实测 1.85–1.95×。
- **最后一步不能缓存。** 凡是让 step 3 走缓存的配置——`Fxxx` 全部、`FFxx` 在 ≥1.6× 时——VBench 掉 15–25 分：imaging/aesthetic 从 ~0.66 掉到 0.41–0.50，scene 从 ~0.57 掉到 0.03–0.37，而 dynamic_degree 从 0.69–0.82 **升**到 0.89–0.96，即残留噪声没有被去掉、画面在抖。`FFxx ×1.3` 实际是 FFxF（最后一步仍算），质量与 `FxxF ×1.3` 相当。
- TaylorSeer 的一阶预测在 `FFxx` 下确实被触发了，但 ≥1.6× 时把预测用在了最后一步，"预测 vs 拷贝"与"跳不跳最后一步"在这组数据里是混在一起的；要单独检验预测本身，需要最后一步必算、中间步用一阶预测的调度（如 FFxF，上限 1.33×）。
- `Fxxx` 下 TeaCache/FlowCache 的阈值在 3 条 prompt 上搜到 ~3.0× compute，251 条上实际为 3.4–3.6×（Self-Forcing）/ 2.8–2.9×（Causal-Forcing）：indicator 跨 chunk 几乎不变，可达点是 {1, 2, 4}× 的台阶，中间值靠少数 chunk 落在台阶另一侧凑出，随 prompt 集漂移。MotionCache（逐 token）和 TaylorSeer（确定性调度）不漂。

## 2. 各策略的配置参数

阈值类方法（TeaCache / FlowCache / MotionCache）的 `thresh` 作用在**重标定后**的累计相对 L1 距离上（`calibrate.py` 按 TeaCache 的拟合流程得到的 1 次多项式，见下方系数），indicator 为时间步调制后的噪声输入（TeaCache 原始定义，非 Wan 移植的 `e0`）。TaylorSeer 的 `interval` 为平均刷新间隔，小数部分用 Bresenham 交替在相邻整数间隔间实现，`max_order=1`。固定超参：FlowCache `group_size=1`（3 帧组/chunk）；MotionCache `weight_norm=mean`、`min_update_ratio=0`、无 temporal consistency。"搜索时 Full"是定参数时在搜索/配对 prompt 上的 compute，251 条上的实际值见第 1 节。

### Self-Forcing

重标定多项式系数（最高次在前）：`0.611279, -0.168851`

| 策略 | 方法 | 调度 | 参数 | 取值 | 目标加速比 | 搜索时 Full | 来源 |
|---|---|---|---|---:|---:|---:|---|
| `ffff` | 无缓存 | FFFF | — | — | 1.0× | 28.000 | — |
| `teacache_x1.3` | TeaCache | FxxF | `thresh` | 0.634766 | 1.3× | 21.600 | final_self_forcing.json，held-out 漂移 -0.079 |
| `teacache_x1.3` | TeaCache | FxxF（首 chunk FFFF） | `thresh` | 0.634766 | 1.3× | nan | final_self_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `teacache_x1.6` | TeaCache | FxxF | `thresh` | 1.25065 | 1.6× | 19.200 | final_self_forcing.json，held-out 漂移 -0.032 |
| `teacache_x1.6` | TeaCache | FxxF（首 chunk FFFF） | `thresh` | 1.25065 | 1.6× | nan | final_self_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `teacache_x1.75` | TeaCache | FxxF | `thresh` | 1.2496 | 1.75× | 21.000 | final_self_forcing_v2.json，按实测加速比定点（扫描 1.337×）；below band (reachable speedups are quantised) |
| `teacache_x2` | TeaCache | FxxF | `thresh` | 1.29167 | 2× | 14.000 | final_self_forcing.json，held-out 漂移 +0.000 |
| `teacache_x2` | TeaCache | FxxF（首 chunk FFFF） | `thresh` | 1.29167 | 2× | nan | final_self_forcing_c0full.json，3-prompt 搜索点，未经 finalize |
| `teacache_Fxxx_x2.85` | TeaCache | Fxxx | `thresh` | 0.9 | 2.85× | 14.000 | final_self_forcing_v2.json，按实测加速比定点（扫描 1.969×）；below band (reachable speedups are quantised) |
| `teacache_Fxxx_x3` | TeaCache | Fxxx（首 chunk FFFF） | `thresh` | 1.72656 | 3× | nan | final_self_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `teacache_Fxxx_x3` | TeaCache | Fxxx | `thresh` | 1.72656 | 3× | 9.667 | final_self_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `flowcache_x1.3` | FlowCache | FxxF | `thresh` | 0.635946 | 1.3× | 21.433 | final_self_forcing.json，held-out 漂移 -0.038 |
| `flowcache_x1.6` | FlowCache | FxxF | `thresh` | 1.25 | 1.6× | 18.333 | final_self_forcing.json，held-out 漂移 -0.070 |
| `flowcache_x2` | FlowCache | FxxF | `thresh` | 1.29167 | 2× | 14.000 | final_self_forcing.json，held-out 漂移 +0.000 |
| `flowcache_Fxxx_x3` | FlowCache | Fxxx | `thresh` | 1.72461 | 3× | 10.111 | final_self_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_x1.3` | TaylorSeer | FxxF | `interval` | 2.08333 | 1.3× | 21.000 | final_self_forcing.json，held-out 漂移 +0.000 |
| `taylorseer_x1.3` | TaylorSeer | FxxF（首 chunk FFFF） | `interval` | 2.08333 | 1.3× | nan | final_self_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_x1.6` | TaylorSeer | FxxF | `interval` | 2.58333 | 1.6× | 17.000 | final_self_forcing.json，held-out 漂移 +0.000 |
| `taylorseer_x1.75` | TaylorSeer | FxxF（首 chunk FFFF） | `interval` | 2.75 | 1.75× | nan | final_self_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_x1.75` | TaylorSeer | FxxF | `interval` | 2.75 | 1.75× | 15.000 | final_self_forcing_v2.json，按实测加速比定点（扫描 1.777×） |
| `taylorseer_x2` | TaylorSeer | FxxF | `interval` | 2.91667 | 2× | 14.000 | final_self_forcing.json，held-out 漂移 +0.000 |
| `taylorseer_FFxx_x1.3` | TaylorSeer | FFxx | `interval` | 1.8125 | 1.3× | 22.000 | final_self_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_FFxx_x1.6` | TaylorSeer | FFxx | `interval` | 2.375 | 1.6× | 18.000 | final_self_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_FFxx_x2` | TaylorSeer | FFxx | `interval` | 2.875 | 2× | 14.000 | final_self_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_Fxxx_x2.85` | TaylorSeer | Fxxx（首 chunk FFFF） | `interval` | 3.65 | 2.85× | nan | final_self_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_Fxxx_x2.85` | TaylorSeer | Fxxx | `interval` | 3.65 | 2.85× | 9.000 | final_self_forcing_v2.json，按实测加速比定点（扫描 2.870×） |
| `motioncache_x1.3` | MotionCache | FxxF（首 chunk FFFF） | `thresh` | 0.755981 | 1.3× | nan | final_self_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `motioncache_x1.3` | MotionCache | FxxF | `thresh` | 0.755981 | 1.3× | 21.574 | final_self_forcing_mc.json，held-out 漂移 +0.003 |
| `motioncache_x1.6` | MotionCache | FxxF | `thresh` | 1.24609 | 1.6× | 17.333 | final_self_forcing_mc.json，held-out 漂移 -0.008 |
| `motioncache_x1.75` | MotionCache | FxxF（首 chunk FFFF） | `thresh` | 1.35 | 1.75× | nan | final_self_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `motioncache_x1.75` | MotionCache | FxxF | `thresh` | 1.35 | 1.75× | 16.023 | final_self_forcing_v2.json，按实测加速比定点（扫描 1.536×，活跃步 50%，选中 28%）；below band (token-wise decision goes vacuous above this point) |
| `motioncache_x2` | MotionCache | FxxF | `thresh` | 2.5 | 2× | 14.000 | final_self_forcing_mc.json，held-out 漂移 +0.000 |
| `motioncache_Fxxx_x2.85` | MotionCache | Fxxx（首 chunk FFFF） | `thresh` | 1.95 | 2.85× | nan | final_self_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `motioncache_Fxxx_x2.85` | MotionCache | Fxxx | `thresh` | 1.95 | 2.85× | 7.550 | final_self_forcing_v2.json，按实测加速比定点（扫描 2.537×，活跃步 43%，选中 8%）；below band (token-wise decision goes vacuous above this point) |
| `motioncache_Fxxx_x3` | MotionCache | Fxxx | `thresh` | 1.79297 | 3× | 9.342 | final_self_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `euler_FFFF` | euler | FFFF | — | — | — | — | 基线（无搜索参数） |
| `reuse_FRFF` | reuse | FRFF | — | — | — | — | 基线（无搜索参数） |
| `reuse_FRRF` | reuse | FRRF | — | — | — | — | 基线（无搜索参数） |
| `reuse_FRRR` | reuse | FRRR | — | — | — | — | 基线（无搜索参数） |

### Causal-Forcing

重标定多项式系数（最高次在前）：`0.807724, -0.413696`

| 策略 | 方法 | 调度 | 参数 | 取值 | 目标加速比 | 搜索时 Full | 来源 |
|---|---|---|---|---:|---:|---:|---|
| `ffff` | 无缓存 | FFFF | — | — | 1.0× | 28.000 | — |
| `teacache_x1.3` | TeaCache | FxxF | `thresh` | 0.649089 | 1.3× | 21.400 | final_causal_forcing.json，held-out 漂移 +0.025 |
| `teacache_x1.3` | TeaCache | FxxF（首 chunk FFFF） | `thresh` | 0.649089 | 1.3× | nan | final_causal_forcing_c0full.json，3-prompt 搜索点，未经 finalize |
| `teacache_x1.6` | TeaCache | FxxF | `thresh` | 1.27604 | 1.6× | 17.900 | final_causal_forcing.json，held-out 漂移 +0.024 |
| `teacache_x1.75` | TeaCache | FxxF | `thresh` | 1.2754 | 1.75× | 16.000 | final_causal_forcing_v2.json，按实测加速比定点（扫描 1.785×） |
| `teacache_x2` | TeaCache | FxxF | `thresh` | 1.29167 | 2× | 14.000 | final_causal_forcing.json，held-out 漂移 +0.000 |
| `teacache_x2` | TeaCache | FxxF（首 chunk FFFF） | `thresh` | 1.29167 | 2× | nan | final_causal_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `teacache_Fxxx_x3` | TeaCache | Fxxx（首 chunk FFFF） | `thresh` | 1.70117 | 3× | nan | final_causal_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `teacache_Fxxx_x3` | TeaCache | Fxxx | `thresh` | 1.70117 | 3× | 9.000 | final_causal_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `flowcache_x1.3` | FlowCache | FxxF | `thresh` | 0.648763 | 1.3× | 22.083 | final_causal_forcing.json，held-out 漂移 +0.005 |
| `flowcache_x1.6` | FlowCache | FxxF | `thresh` | 1.27604 | 1.6× | 17.125 | final_causal_forcing.json，held-out 漂移 +0.004 |
| `flowcache_x2` | FlowCache | FxxF | `thresh` | 1.29167 | 2× | 14.000 | final_causal_forcing.json，held-out 漂移 +0.000 |
| `flowcache_Fxxx_x3` | FlowCache | Fxxx | `thresh` | 1.69922 | 3× | 9.556 | final_causal_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_x1.3` | TaylorSeer | FxxF（首 chunk FFFF） | `interval` | 2.08333 | 1.3× | nan | final_causal_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_x1.3` | TaylorSeer | FxxF | `interval` | 2.08333 | 1.3× | 21.000 | final_causal_forcing_ts.json，held-out 漂移 +0.000 |
| `taylorseer_x1.6` | TaylorSeer | FxxF | `interval` | 2.58333 | 1.6× | 17.000 | final_causal_forcing_ts.json，held-out 漂移 +0.000 |
| `taylorseer_x1.75` | TaylorSeer | FxxF（首 chunk FFFF） | `interval` | 2.75 | 1.75× | nan | final_causal_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_x1.75` | TaylorSeer | FxxF | `interval` | 2.75 | 1.75× | 15.000 | final_causal_forcing_v2.json，按实测加速比定点（扫描 1.779×） |
| `taylorseer_x2` | TaylorSeer | FxxF | `interval` | 2.91667 | 2× | 14.000 | final_causal_forcing_ts.json，held-out 漂移 +0.000 |
| `taylorseer_FFxx_x1.3` | TaylorSeer | FFxx | `interval` | 1.8125 | 1.3× | 22.000 | final_causal_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_FFxx_x1.6` | TaylorSeer | FFxx | `interval` | 2.375 | 1.6× | 18.000 | final_causal_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_FFxx_x2` | TaylorSeer | FFxx | `interval` | 2.875 | 2× | 14.000 | final_causal_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_Fxxx_x2.85` | TaylorSeer | Fxxx（首 chunk FFFF） | `interval` | 3.65 | 2.85× | nan | final_causal_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `taylorseer_Fxxx_x2.85` | TaylorSeer | Fxxx | `interval` | 3.65 | 2.85× | 9.000 | final_causal_forcing_v2.json，按实测加速比定点（扫描 2.866×） |
| `motioncache_x1.3` | MotionCache | FxxF（首 chunk FFFF） | `thresh` | 0.769531 | 1.3× | nan | final_causal_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `motioncache_x1.3` | MotionCache | FxxF | `thresh` | 0.769531 | 1.3× | 21.450 | final_causal_forcing_mc.json，held-out 漂移 -0.007 |
| `motioncache_x1.6` | MotionCache | FxxF | `thresh` | 1.26471 | 1.6× | 17.612 | final_causal_forcing_mc.json，held-out 漂移 +0.006 |
| `motioncache_x1.75` | MotionCache | FxxF（首 chunk FFFF） | `thresh` | 1.55 | 1.75× | nan | final_causal_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `motioncache_x1.75` | MotionCache | FxxF | `thresh` | 1.55 | 1.75× | 14.393 | final_causal_forcing_v2.json，按实测加速比定点（扫描 1.550×，活跃步 52%，选中 7%）；below band (token-wise decision goes vacuous above this point) |
| `motioncache_x2` | MotionCache | FxxF | `thresh` | 2.875 | 2× | 14.000 | final_causal_forcing_mc.json，held-out 漂移 +0.000 |
| `motioncache_Fxxx_x2.85` | MotionCache | Fxxx（首 chunk FFFF） | `thresh` | 1.9 | 2.85× | nan | final_causal_forcing_c0full_more.json，3-prompt 搜索点，未经 finalize |
| `motioncache_Fxxx_x2.85` | MotionCache | Fxxx | `thresh` | 1.9 | 2.85× | 8.043 | final_causal_forcing_v2.json，按实测加速比定点（扫描 2.316×，活跃步 65%，选中 8%）；below band (token-wise decision goes vacuous above this point) |
| `motioncache_Fxxx_x3` | MotionCache | Fxxx | `thresh` | 1.76953 | 3× | 9.308 | final_causal_forcing_newsched.json，3-prompt 搜索点，未经 finalize |
| `naive3step` | FFFF | FFF | — | — | — | — | 基线（无搜索参数） |
| `naive2step` | FFFF | FF | — | — | — | — | 基线（无搜索参数） |
| `naive1step` | FFFF | F | — | — | — | — | 基线（无搜索参数） |
| `reuse_FRFF` | reuse | FRFF | — | — | — | — | 基线（无搜索参数） |
| `reuse_FRRF` | reuse | FRRF | — | — | — | — | 基线（无搜索参数） |
| `reuse_FRRR` | reuse | FRRR | — | — | — | — | 基线（无搜索参数） |
| `naive3step_c0FFFF` | FFFF | FFF | — | — | — | — | 基线（无搜索参数） |
| `naive2step_c0FFFF` | FFFF | FF | — | — | — | — | 基线（无搜索参数） |
| `naive1step_c0FFFF` | FFFF | F | — | — | — | — | 基线（无搜索参数） |
| `reuse_FRFF_c0FFFF` | reuse | FRFF | — | — | — | — | 基线（无搜索参数） |
| `reuse_FRRF_c0FFFF` | reuse | FRRF | — | — | — | — | 基线（无搜索参数） |
| `reuse_FRRR_c0FFFF` | reuse | FRRR | — | — | — | — | 基线（无搜索参数） |

### HY-WorldPlay

| 策略 | 方法 | 调度 | 参数 | 取值 | 目标加速比 | 来源 |
|---|---|---|---|---:|---:|---|
| `ffff` | 无缓存 | FxxF | — | — | 1× | — |
| `teacache_x1.3` | TeaCache | FxxF | `thresh` | 0.242188 | 1.3× | hy_sweep_teacache.json；rescale 系数 hy_coeff.json |
| `teacache_x1.75` | TeaCache | FxxF | `thresh` | 0.4767 | 1.75× | hy_point_v2.json；rescale 系数 hy_coeff.json |
| `teacache_x1.75_c0FFFF` | TeaCache | FxxF（首 chunk FFFF） | `thresh` | 0.55 | 1.75× | hy_point_c0.json；rescale 系数 hy_coeff.json |
| `teacache_Fxxx_x2.85` | TeaCache | Fxxx | `thresh` | 0.655 | 2.85× | hy_point_v2.json；rescale 系数 hy_coeff.json |
| `teacache_Fxxx_x2.85_c0FFFF` | TeaCache | Fxxx（首 chunk FFFF） | `thresh` | 0.665 | 2.85× | hy_point_c0.json；rescale 系数 hy_coeff.json |
| `taylorseer_x1.3` | TaylorSeer | FxxF | `interval` | 1.83333 | 1.3× | hy_sweep_taylorseer.json |
| `taylorseer_x1.75` | TaylorSeer | FxxF | `interval` | 2.85 | 1.75× | hy_point_v2.json |
| `taylorseer_x1.75_c0FFFF` | TaylorSeer | FxxF（首 chunk FFFF） | `interval` | 3 | 1.75× | hy_point_c0.json |
| `taylorseer_Fxxx_x2.85` | TaylorSeer | Fxxx | `interval` | 3.65 | 2.85× | hy_point_v2.json |
| `taylorseer_Fxxx_x2.85_c0FFFF` | TaylorSeer | Fxxx（首 chunk FFFF） | `interval` | 3.9 | 2.85× | hy_point_c0.json |
| `motioncache_x1.3` | MotionCache | FxxF | `thresh` | 0.09375 | 1.3× | hy_sweep_motioncache.json |
| `motioncache_x1.75` | MotionCache | FxxF | `thresh` | 0.2 | 1.75× | hy_point_v2.json |
| `motioncache_x1.75_c0FFFF` | MotionCache | FxxF（首 chunk FFFF） | `thresh` | 0.36 | 1.75× | hy_point_c0.json |
| `motioncache_Fxxx_x2.85` | MotionCache | Fxxx | `thresh` | 0.6 | 2.85× | hy_point_v2.json |
| `motioncache_Fxxx_x2.85_c0FFFF` | MotionCache | Fxxx（首 chunk FFFF） | `thresh` | 0.9 | 2.85× | hy_point_c0.json |
| `naive3step` | 无缓存 | FFF | — | — | — | naive baseline |
| `naive2step` | 无缓存 | FF | — | — | — | naive baseline |
| `naive1step` | 无缓存 | F | — | — | — | naive baseline |
| `reuse_FRFF` | reuse | FRFF | — | — | — | naive cache baseline |
| `reuse_FRRF` | reuse | FRRF | — | — | — | naive cache baseline |
| `reuse_FRRR` | reuse | FRRR | — | — | — | naive cache baseline |
| `naive3step_c0FFFF` | 无缓存 | FFF（首 chunk FFFF） | — | — | — | naive baseline (chunk 0 FFFF) |
| `naive2step_c0FFFF` | 无缓存 | FF（首 chunk FFFF） | — | — | — | naive baseline (chunk 0 FFFF) |
| `naive1step_c0FFFF` | 无缓存 | F（首 chunk FFFF） | — | — | — | naive baseline (chunk 0 FFFF) |
| `reuse_FRFF_c0FFFF` | reuse | FRFF（首 chunk FFFF） | — | — | — | naive cache baseline (chunk 0 FFFF) |
| `reuse_FRRF_c0FFFF` | reuse | FRRF（首 chunk FFFF） | — | — | — | naive cache baseline (chunk 0 FFFF) |
| `reuse_FRRR_c0FFFF` | reuse | FRRR（首 chunk FFFF） | — | — | — | naive cache baseline (chunk 0 FFFF) |
| `atc_s1_fppf` / `atc_s1_fppp` | ATC Stage-1 predictor | FPPF / FPPP | — | — | — | HY-WorldPlay-DEV-Predictor validation25（¶） |
| `atc_s2_s{500,800,1000,1500,2000}_fppf` / `_fppp` | ATC Stage-1 + on-policy detached chunk+timestep FPPP rollout（step 500/800/1000/1500/2000） | FPPF / FPPP | — | — | — | HY-WorldPlay-DEV-Predictor validation25（¶） |
| `disca_s1_fppf` / `disca_s1_fppp` | DisCa Stage-1 predictor（双 block，step 2000） | FPPF / FPPP | — | — | — | HY-WorldPlay-DEV-Predictor validation25（¶） |
| `disca_s1000_fppf` / `disca_s1000_fppp` | DisCa Stage-1 predictor（step 1000） | FPPF / FPPP | — | — | — | HY-WorldPlay-DEV-Predictor validation25（¶） |
| `disca_s500_fppf` | DisCa Stage-1 predictor（step 500） | FPPF | — | — | — | HY-WorldPlay-DEV-Predictor validation25（¶） |
| `<n>c_ffff` / `naive2step_<n>c_c0FFFF`（n = 16 / 32） | 长视频 FFFF 参考 / naive 2 步（首 chunk FFFF），253 / 509 帧 | FFFF / FF | — | — | — | hycache，同进程配对 FFFF |
| `atc_s2_s{500,1000,2000}_<n>c_fppf_c0FFFF`、`disca_s{500,1000,2000}_<n>c_fppf`（n = 16 / 32） | ATC rollout / DisCa Stage-1 predictor 各 step 的长视频行（64 / 128 latent，相机动作等比拉长，pose-retrieved memory 上限 20 latent） | FPPF | — | — | — | HY-WorldPlay-DEV-Predictor 生成器（`hy_dev_gen_long.py`，¶），像素指标对照 `<n>c_ffff` 的 MP4 |

### LingBot-World-V2-1.3B-Causal-Fast

| 策略 | 方法 | 调度 | 参数 | 取值 | 目标加速比 | 来源 |
|---|---|---|---|---:|---:|---|
| `ffff` | 无缓存 | FxxF | — | — | 1× | — |
| `teacache_x1.3` | TeaCache | FxxF | `thresh` | 1 | 1.3× | lb_sweep_teacache.json；rescale 系数 lb_coeff.json |
| `teacache_x1.75` | TeaCache | FxxF | `thresh` | 1.395 | 1.75× | lb_point_v2.json；rescale 系数 lb_coeff.json |
| `teacache_x1.75_c0FFFF` | TeaCache | FxxF（首 chunk FFFF） | `thresh` | 1.48 | 1.75× | lb_point_c0.json；rescale 系数 lb_coeff.json |
| `teacache_Fxxx_x2.85` | TeaCache | Fxxx | `thresh` | 1.905 | 2.85× | lb_point_v2.json；rescale 系数 lb_coeff.json |
| `teacache_Fxxx_x2.85_c0FFFF` | TeaCache | Fxxx（首 chunk FFFF） | `thresh` | 1.9 | 2.85× | lb_point_c0.json；rescale 系数 lb_coeff.json |
| `taylorseer_x1.3` | TaylorSeer | FxxF | `interval` | 1.83333 | 1.3× | lb_sweep_taylorseer.json |
| `taylorseer_x1.75` | TaylorSeer | FxxF | `interval` | 3 | 1.75× | lb_point_v2.json |
| `taylorseer_x1.75_c0FFFF` | TaylorSeer | FxxF（首 chunk FFFF） | `interval` | 2.85 | 1.75× | lb_point_c0.json |
| `taylorseer_Fxxx_x2.85` | TaylorSeer | Fxxx | `interval` | 3.65 | 2.85× | lb_point_v2.json |
| `taylorseer_Fxxx_x2.85_c0FFFF` | TaylorSeer | Fxxx（首 chunk FFFF） | `interval` | 3.9 | 2.85× | lb_point_c0.json |
| `motioncache_x1.3` | MotionCache | FxxF | `thresh` | 1.40625 | 1.3× | lb_sweep_motioncache.json |
| `motioncache_x1.75` | MotionCache | FxxF | `thresh` | 2.6 | 1.75× | lb_point_v2.json |
| `motioncache_x1.75_c0FFFF` | MotionCache | FxxF（首 chunk FFFF） | `thresh` | 3.6 | 1.75× | lb_point_c0.json |
| `motioncache_Fxxx_x2.85` | MotionCache | Fxxx | `thresh` | 3.9 | 2.85× | lb_point_v2.json |
| `motioncache_Fxxx_x2.85_c0FFFF` | MotionCache | Fxxx（首 chunk FFFF） | `thresh` | 5 | 2.85× | lb_point_c0.json |
| `naive3step` | 无缓存 | FFF | — | — | — | naive baseline |
| `naive2step` | 无缓存 | FF | — | — | — | naive baseline |
| `naive1step` | 无缓存 | F | — | — | — | naive baseline |
| `reuse_FRFF` | reuse（velocity） | FRFF | — | — | — | naive cache baseline (velocity reuse) |
| `reuse_FRRF` | reuse（velocity） | FRRF | — | — | — | naive cache baseline (velocity reuse) |
| `reuse_FRRR` | reuse（velocity） | FRRR | — | — | — | naive cache baseline (velocity reuse) |
| `naive3step_c0FFFF` | 无缓存 | FFF（首 chunk FFFF） | — | — | — | naive baseline (chunk 0 FFFF) |
| `naive2step_c0FFFF` | 无缓存 | FF（首 chunk FFFF） | — | — | — | naive baseline (chunk 0 FFFF) |
| `naive1step_c0FFFF` | 无缓存 | F（首 chunk FFFF） | — | — | — | naive baseline (chunk 0 FFFF) |
| `reuse_FRFF_c0FFFF` | reuse（velocity） | FRFF（首 chunk FFFF） | — | — | — | naive cache baseline (velocity reuse) (chunk 0 FFFF) |
| `reuse_FRRF_c0FFFF` | reuse（velocity） | FRRF（首 chunk FFFF） | — | — | — | naive cache baseline (velocity reuse) (chunk 0 FFFF) |
| `reuse_FRRR_c0FFFF` | reuse（velocity） | FRRR（首 chunk FFFF） | — | — | — | naive cache baseline (velocity reuse) (chunk 0 FFFF) |
| `atc_chunk_fpf` / `atc_chunk_fppf` / `atc_chunk_fppp` | ATC Stage-1 predictor（block 17，previous_scope=chunk） | FPF / FPPF / FPPP（首 chunk FFFF） | — | — | — | lingbot-world-v2-a Stage-1，100 组图 × 4 动作离线集，2000 步 |
| `disca_fpf` / `disca_fppf` / `disca_fppp` | DisCa Stage-1 predictor（block 17，无 previous-chunk 通道） | FPF / FPPF / FPPP（首 chunk FFFF） | — | — | — | lingbot-world-v2-a Stage-1，100 组图 × 4 动作离线集，2000 步 |