让 AI 像直播一样边生成、边回应，难点不只是逐段“接龙”。扩散模型还要把每批画面从噪声反复擦亮，相当于在生成循环里又套了一层去噪循环。Ms. Forcing 瞄准的正是这笔重复开销：噪声很重、细节尚未成形时先少算一些，画面逐渐清晰后再精修。
具体来说，它用多尺度分块——把画面切成模型可处理的小块——让高噪声画面使用较大的块，低噪声画面改用较小的块，因此将去噪窗口中的 token（模型实际处理的画面单位）数量减少 45%。配套的多尺度自注意力则让不同精细度的画面只查看相应密度的信息，继续压低计算量。由于安排只取决于画面在窗口中的位置，运行路径固定，也更适合硬件执行。作者报告称，Ms. Forcing 在单张 H200 GPU 上达到 22.84 FPS，比 Rolling Forcing 快 39.6%，同时提升短、长视频的 VBench 评分；这些效果目前以论文实验为准。