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

我們通過訓練使用$N\in \{1,2,4,8,16,32,64\}$的模型來評估改變條件上下文中過去觀測值數量$N$的影響（請注意，我們的方法使用$N=64$）。這影響了歷史幀和動作的數量。我們在解碼器保持凍結的情況下訓練模型200,000步，並在5個級別的測試集軌跡上進行評估。結果見表1。正如預期的那樣，我們發現生成質量隨着上下文長度的增加而提高。有趣的是，我們觀察到，儘管最初（例如在1到2幀之間）提升較大，但很快就接近一個漸近線，進一步增加上下文長度只能帶來微小的質量提升。這有些令人驚訝，因為即使在我們使用的最大上下文長度下，模型也只能訪問略多於3秒的歷史。值得注意的是，我們觀察到大部分遊戲狀態會持續更長時間（見第7節）。雖然條件上下文長度是一個重要的限制，但表1提示我們可能需要改變模型的架構，以有效支持更長的上下文，並更好地選擇過去的幀作為條件，這將是我們未來的工作。