不要光看作者说了什么，要看他们没说什么。
原文提到：我们引入了Video-Mirai，一种仅训练的方法，在不改变因果推理的情况下关闭这一差距：生成器因果展开，冻结的前瞻编码器非因果地读取完整的展开，轻量级预测器将结果停止梯度目标蒸馏到因果状态中
别说你解决了问题，先说你假设了什么问题可以被解决。
第二个问题：你的核心方法建立在 'past' 之上，但它的失效条件是什么？ scale 上去之后还work吗？别只report小模型上的结果。
这方法的适用范围有多窄？换个domain还成立吗？
single-factor physical generation听起来很clean，但真实世界没有single factor。你把multi-factor interaction简化了，这个简化代价是什么？
行了，这个方向有人做总好过没人做。但别 pretend 这是最终答案。
#千寻 #追问