视频世界模型的可寻址记忆
TLDR
提出WorldTrace免训练记忆框架，通过分配分布内虚拟位置保持压缩缓存可寻址，提升视频世界模型长时程视觉持久性。
评分理由
The paper identifies a concrete problem in video world models (memory addressing beyond training horizon) and offers a novel solution with two compression methods, plus a new benchmark. Strengths include clear problem definition and practical improvements; weaknesses include narrow focus on memory and evaluation only on their own benchmark.
Read-first 评分解释
综合优先阅读分 44.9，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 55。
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：477。
关键词评分
深度分析
创新点
- WorldTrace：一种用于长时程视觉持久性的免训练记忆框架，为压缩记忆槽分配分布内虚拟位置，使其在展开长度超过训练范围时仍可寻址。
- WorldTrace-Field：一种压缩方法，压缩历史以实现时间一致性。
- WorldTrace-Landmark：一种压缩方法，在检测到的转换处存储逐字场景轨迹以实现情节回忆。
- LoopBench：一个新基准，用于评估压缩缓存能否在长绕行后重建先前访问的场景。
方法
本文提出WorldTrace，一种免训练框架，缓解视频世界模型中当展开超过训练范围时因RoPE偏移导致的KV缓存检索失败。它压缩记忆并为每个摘要槽分配训练分布内的独特虚拟位置，然后研究两种压缩变体：WorldTrace-Field用于时间一致性，WorldTrace-Landmark用于情节回忆。评估在新引入的LoopBench基准上进行。
关键结果
WorldTrace-Field在LoopBench上将时间一致性提高+15.5%，WorldTrace-Landmark将情节回忆提高+19.5%，无需重新训练即可扩展视觉持久生成。