视频模型早期推理：利用规划承诺解决迷宫问题

本文研究了视频扩散模型在迷宫求解中的内部规划动态。研究发现，模型在去噪初期即确立高层运动规划（早期规划承诺），且路径长度是决定难度的关键因素。基于此，作者提出“早期规划链式”（ChEaP）方法，仅对具有潜力的早期规划种子进行计算并串联生成。该方法显著提升了长程迷宫及复杂任务的求解准确率，揭示了视频模型具备更深层的推理能力，可通过优化推理时扩展策略有效激发。