视频蒸馏补上帧级老师，RL 推理走 FP4 快五倍

今日 Hugging Face 论文榜双作，一篇管生成侧的蒸馏质量，一篇管训练侧的推理成本，都指向同一件事：把贵的环节变便宜，同时不掉质量。

DuoMatching：联合之外再盯单帧

Jiahao Zhan 等人的 DuoMatching（arXiv:2610.03543，今日榜 39 赞第 2 位）处理少步流式视频生成的蒸馏。分布匹配蒸馏只对齐帧的联合分布，结果是动态还行但单帧画质与语义对齐总差一口气。

框架加了两个东西：一是边缘分布匹配目标，用图像生成器当帧级老师，把单帧质量单独盯起来；二是两个配件，LatentBridge 弥合视频学生与图像老师之间的潜空间差异，潜变采样把监督摊到各个时间片段，避免梯度挤在同一段。结果：画质、构图与语义对齐全面改善，运动动态不受损，人类偏好对比各基线的胜率超过八成。项目页已开放，代码链接暂未见。

TRACE：让量化在训练时就知道推理的疼

Xin Wang 等人的 TRACE（arXiv:2610.07767，17 赞）盯的是强化学习后训练最烧钱的部分：rollout 生成。低精度 FP4 rollout 是现成答案，但既有方法把训练路径与推理路径的量化精度分开优化，两条路径之间的差距没人管。TRACE 的思路很巧：用 rollout 侧的量化结果反过来指导训练侧的 FP4 取整决策，直接压缩两条量化路径的差异；再按需缓存深层尾数与缩放信息，降低存储与通信开销。四个大 MoE 模型、推理编码与长程 RL 任务上，TRACE 在权重激活与 KV 缓存全 FP4 的 rollout 下匹配 BF16 性能，最高提速 5.4 倍，最终 FP4 结果也优于先 BF16 训练再事后量化。

放在一起读

一篇让视频生成的老师更称职，一篇让 RL 的账单缩到五分之一。与站内视频线（FrameMorrow 选帧、Kandinsky 开源）和训练线（Pivot-SD 落子）各自接续：省算力这件事，已经从工程 trick 升级为方法学。