Translations:Diffusion Models Are Real-Time Game Engines/64/zh

我们通过训练使用$N\in \{1,2,4,8,16,32,64\}$的模型来评估改变条件上下文中过去观测值数量$N$的影响（请注意，我们的方法使用$N=64$）。这影响了历史帧和动作的数量。我们在解码器保持冻结的情况下训练模型200,000步，并在5个级别的测试集轨迹上进行评估。结果见表1。正如预期的那样，我们发现生成质量随着上下文长度的增加而提高。有趣的是，我们观察到，尽管最初（例如在1到2帧之间）提升较大，但很快就接近一个渐近线，进一步增加上下文长度只能带来微小的质量提升。这有些令人惊讶，因为即使在我们使用的最大上下文长度下，模型也只能访问略多于3秒的历史。值得注意的是，我们观察到大部分游戏状态会持续更长时间（见第7节）。虽然条件上下文长度是一个重要的限制，但表1提示我们可能需要改变模型的架构，以有效支持更长的上下文，并更好地选择过去的帧作为条件，这将是我们未来的工作。