Model Research / Video Generation
TamedFlow
Trajectory-Aware Distillation for Self-Speculative Diffusion Transformers。通过轨迹感知蒸馏，让视频生成模型在更少采样步数下保持质量与可控性。
Trajectory-aware利用生成轨迹中的中间状态进行蒸馏
Self-speculative扩散 Transformer 的自推测执行
Fewer steps面向推理成本与速度的模型层优化
本页指标和链接将随论文最终公开版本同步更新，当前优先展示已提取的论文图表。
Method / Evidence
从方法到实验
TamedFlow 将轨迹信息纳入扩散模型蒸馏过程，并围绕采样效率、生成质量和定性结果进行验证。下方图表来自论文素材包。
Related video research
另一篇视频研究
这篇工作属于视频检索研究，与 Benchmark 资料归档分开呈现。
Concentrate After Imagination
Text-Conditioned Evidence Grounding for Partially Relevant Video Retrieval（TRACE）通过文本条件证据验证，改善长视频中部分相关片段的检索排序。
该论文在 ActivityNet Captions、Charades-STA 和 TVR 上进行实验；它是视频检索研究，不是 Benchmark 来源清单。
Links
论文与代码
正式公开链接待补充，先保留清晰的研究归档入口。