ActionSplice：交互式世界模型的飞行中动作编辑

arXiv 2026 34.4 method

TLDR

ActionSplice通过反事实状态传输实现在飞动作编辑，避免回滚并提升速度与图像指标。

评分理由

The paper presents a novel inference-time framework for interactive world models with strong empirical gains and maintains frozen models, which is a practical strength. However, the abstract lacks details about method complexity and limitations, and the evaluation is restricted to specific benchmarks and image-quality metrics.

Read-first 评分解释

综合优先阅读分 34.4，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 44。

近期性 5%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

主题相关性 25%

62.9

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 15%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：评估

可复现性 15%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

图谱声望 15%

10.9

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0031

引用影响力 15%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 10%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：295。

关键词评分

world model

interactive world model

video world model

generative world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

深度分析

创新点

提出ActionSplice推理框架，将在飞动作编辑形式化为反事实状态传输（CST）。
轻量级校正器将中断的骨干原生表示传输到同一求解器步骤下修订动作对应的匹配状态，保持世界模型与采样器冻结，无需重放已完成评估即可恢复采样。
两种CST变体：CST_R更新整个活动块，CST_T保留时间前缀并仅更新后缀。

方法

该方法是一个面向分块自回归视频世界模型的推理框架。它插入一个轻量级校正器，将中断的骨干原生表示映射到当前求解器步骤下与修订动作匹配的反事实状态，同时保持世界模型和采样器冻结。评估使用minWM-Wan Action2V和HY-WM1.5，指标包括LPIPS、PSNR、SSIM、相对回滚比较，以及与等待相比的像素就绪加速。

关键结果

CST_R相对于直接条件交换，在minWM-Wan Action2V上将回滚相对LPIPS降低61.5%，在HY-WM1.5上降低75.9%；CST_T将后缀LPIPS分别降低56.1%和77.5%，并提供2.73倍和1.69倍于等待的像素就绪加速。在HY-WorldPlay协议下，CST_R相对于原始推演取得PSNR 25.66 dB、SSIM 0.6902、LPIPS 0.1337。

资源

论文