zihan-su/self_gradient_forcing_plus 是一个 Python 仓库，提出 SGF+：在自回归视频生成中用不同的参数分别优化上下文记录与去噪。README 说明，这两个任务在共享参数上产生的梯度可能会部分相互抵消，并提出将两者作用分离的方案。论文链接为 arXiv 2610.10429。
核心主张是：长度为 5 秒的训练窗口可以生成最长 24 小时时长的视频 rollout。该仓库通过分析梯度分布、均值方向和成对余弦相似度来解释这一冲突现象。2026-10-09，仓库在 gradient_conflict 目录中公开了复现代码。README 中写道，这一现象不仅在 Wan2.1-1.3B 上被观察到，在 LTX-2.5 上也出现了。README 还给出了下载 Wan2.1-T2V-1.3B·14B 基座模型和已公开的 SGF+ 推理检查点的流程。因此，“参数分离是面向长时间自回归生成的设计”这一点是具体的。
不过，README 没有给出数值基准表，因此无法确认性能收益的大小，也无法与其他方法作比较。24 小时是该仓库提出的 rollout 主张，而不是这里验证到的对比结果。梯度冲突分析为该方案提供了动机支撑，但并未展示长时间生成中质量能维持到什么程度。这个仓库为考察一种新的训练设计提供了依据，但还难以说它证明了长时生成性能上的优势。