轻交互：面向交互式视频世界模型的无训练推理加速

arXiv 2026 59.1 method

TLDR

一种无需训练的交互式视频世界模型推理加速框架，采用自适应上下文管理和稀疏注意力。

评分理由

The paper presents a practical solution to a key bottleneck in interactive video world models, with clear methodology and empirical speedup. However, evaluation is limited to two synthetic benchmarks, and real-world applicability is not demonstrated.

Read-first 评分解释

综合优先阅读分 59.1，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。

近期性 6%

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

引用影响力 18%

82.7

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。归一化引用分位：0.82660481

主题相关性 29%

78.6

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 18%

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：数据集

可复现性 18%

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：数据集

引用速度 12%

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

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：485。

关键词评分

interactive world model

video world model

world model

generative world model

world simulator

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

自适应上下文管理：在新探索时丢弃空间记忆，并根据局部潜在动态调整时间上下文
去噪缓存加速：当相机重新访问熟悉区域时重用早期模型输出
硬件-软件协同设计的3D块稀疏注意力与融合Triton内核

方法

Light Interaction是一个无需训练的交互式视频世界模型推理加速框架，结合了自适应上下文管理、去噪缓存加速以及带有融合Triton内核的3D块稀疏注意力。在HY-WorldPlay和Matrix-Game-3.0数据集上评估，测量加速比和视觉质量。

关键结果

Light Interaction在HY-WorldPlay和Matrix-Game-3.0上实现了高达2.59倍的加速，无需模型重新训练，同时保持有竞争力的视觉质量。

技术栈

Triton3D块稀疏注意力自适应上下文管理去噪缓存

资源

论文