WorldCache: 通过异构令牌缓存免费加速世界模型

arXiv 26.3 2026 54.5 method

TLDR

WorldCache通过异构令牌缓存加速扩散世界模型，实现3.7倍加速并保持98%推演质量。

评分理由

The paper introduces a novel caching framework that addresses token heterogeneity and non-uniform temporal dynamics in diffusion world models, with strong empirical results. However, the approach is tailored to diffusion-based models and may not generalize to other world model architectures.

Read-first 评分解释

综合优先阅读分 54.5，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 48。

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

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：有；数据：无；命中信号：代码、GitHub

主题相关性 29%

68.6

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：实验

引用影响力 18%

30.2

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：0.30229081

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

前沿论文复现锚点

排序敏感性

稳定性：volatile；排名波动范围：539。

关键词评分

world model

generative world model

interactive world model

world simulator

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

曲率引导的异构令牌预测，使用基于物理的曲率分数和针对混沌令牌的Hermite引导阻尼预测器
混沌优先自适应跳过，累积曲率归一化的漂移信号，仅在瓶颈令牌漂移时重新计算

方法

WorldCache是一个专为扩散世界模型设计的缓存框架。它引入了曲率引导的异构令牌预测，使用曲率分数估计令牌的可预测性，并对方向突变的混沌令牌应用Hermite引导的阻尼预测器。它还设计了混沌优先自适应跳过，累积曲率归一化的无量纲漂移信号，并仅在瓶颈令牌开始漂移时重新计算。

关键结果

WorldCache在扩散世界模型上实现了高达3.7倍的端到端加速，同时保持了98%的推演质量。

资源

论文项目