大模型微调的路子看腻了，终于来个从零训的。
这个项目是从头训一个小denoiser，把一张图片直接变成能实时玩的游戏，跑在本地5090上，不是丢到数据中心。结构像个因果Transformer，跟LLM一样拿KV cache存住过去的信息，每出一帧就自回归decode一次，键盘输入实时喂进前向里，所以按键之后画面能接着变。
毛病也一堆：0.5B这版动作糊、偶尔闪屏、上下文会崩，量化和CFG都还没上。作者说在练0.8B，但不太顺。
不过方向是对的，消费级显卡跑实时世界模型这条线，有人肯从零啃，我就愿意一直盯着。
