用户研究目的：当一个前提、事件或观察发生变化时，推断哪些内容必须随之改变、哪些应当保持，并让视频生成执行这种选择性修改。

以下 15 个研究题保留用户原文，供第三步定位；第一步不作分类或新颖性判断。

1. 少步蒸馏时，保护短暂但决定剧情的关键事件
2. 事件时间与信息揭示时间解耦的视频生成
3. 面向事件编辑的视频生成：通过成组干预监督，学习后果传播与非相关内容保持
4. 从结构化错误反馈学习视频局部修复，并保持已满足的约束
5. 可中断的交互视频生成
6. 当新增观测否定生成历史时，怎样修正视频模型的记忆和后续生成？
7. 对象结构或操作机制改变后，能否快速重新生成交互过程并保持其它不变
8. 面向视频模型的出题 agent：自动寻找“补哪些数据最值得”
9. Agent 能否根据生成任务的难点，获取最少但足够的控制信号，并让视频模型可靠执行？
10. 时空credit assignment
11. video-native verifier
12. 低成本的online rollout
13. flow/diffusion 中policy与exploration的正确定义
14. long horizon identity/causal consistency
15. 多目标reward的稳定优化