高分辨率视频生成成本随时空 token 数量迅速上升，直接在 4K 上采样往往不划算。实务上更常见的是先出低分辨率，再接精修器；问题是常规多步精修会引入第二次采样瓶颈，分辨率上去了，时延又回来了。SoL-Refiner 把这条后处理收成单次去噪，目标是把低分辨率模型输出一步变成 4K 视频。工作收录于 2026-09-29 的 Hugging Face Daily Papers。摘要能确认的信息有限，但路线、基准和相对数字已经足够判断它在打哪一段流水线。
配方：续训、RL、再蒸成一步
作者给出三阶段配方：高分辨率持续训练、强化学习（RL）后训练，以及最后的一步蒸馏。可以读成先把高分辨率生成与精修能力续上去，再用 RL 做后训练，最后把多步过程蒸馏成单步学生，从而去掉精修阶段的采样循环。材料没有写清骨干、噪声日程、奖励函数或蒸馏对象，因此不能把 SoL-Refiner 直接归入某一类已知单步蒸馏方法，只能把它看成面向视频精修的组合训练流程。一步去噪是产品形态，三阶段是达到该形态的手段。
怎么比：共享输入的 Refiner-Bench
为避免各精修器各用各的输入，作者构造 Refiner-Bench，素材来自不同视频生成器的输出，并用共享输入协议在约 2K 输出分辨率上比较精修器。2K 设定下，一步 SoL-Refiner 在 VBench 与 UniPercept 平均值上超过所有外部精修器；在 3840×2176 上，两项指标均优于三步 LTX-2.3 Refiner。叠完整加速栈后，相对同一基线，2K 延迟设定中精修延迟为 8.91 倍。摘要未列出外部精修器名单、分项分数、加速栈组成或定性失败案例，这些数字应视为该协议下的相对结果，而不是跨场景的绝对排名。
我的判断
价值集中在精修这一段：把第二段采样打成一步，并给出可复现的共享输入比较。若 8.91 倍延迟在实现中站得住，已经在跑低分生成再升分辨率的团队会直接受益，4K 后处理更接近可部署。适用边界很硬——它不从噪声生成 4K，上游的运动错误与语义错误未必修得回来；评测也钉在约 2K 协议与指定 4K 对照上。局限同样硬：目前只有摘要，RL 是否稳定、单步是否损伤时序一致性、跨生成器泛化以及伪影类型都看不到。在论文与代码展开前，适合记作一条针对精修瓶颈的加速路线，不宜把 4K 与 8.91 倍直接写成可上线结论。