X-Cache: 跨块缓存用于少步自回归世界模型推理

arXiv 2026 57 method

TLDR

X-Cache通过跨生成块缓存加速自回归世界模型推理，实现自动驾驶的实时仿真。

评分理由

The paper presents a novel caching method that reduces inference cost for interactive world models, with a dual-metric gating mechanism and KV cache management. Its strength lies in addressing a practical bottleneck, but the abstract is cut off, limiting full evaluation of results and limitations.

Read-first 评分解释

综合优先阅读分 57，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 53。

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

主题相关性 29%

75.7

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：评估、指标

引用影响力 18%

63.3

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：0.63305222

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：无

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

前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：416。

关键词评分

world model

interactive world model

world simulator

video world model

generative world model

model-based reinforcement learning world model

world dynamics prediction

深度分析

创新点

跨生成块缓存，在连续生成块之间而非去噪步骤之间进行缓存
双度量门控机制，使用结构和动作感知的块输入指纹决定重新计算或重用
识别KV更新块并强制完全计算，防止自回归KV缓存中的误差传播

方法

X-Cache是一种无需训练的加速方法，适用于少步自回归世界模型。它维护跨生成块持久化的逐块残差缓存，并使用双度量门控机制（基于结构和动作感知的块输入指纹）来决定重新计算或重用缓存的残差。为防止近似误差污染自回归KV缓存，它识别KV更新块并强制对其进行完全计算。

关键结果

在X-world生产级多摄像头动作条件驾驶世界模型上，X-Cache实现了71%的块跳过率和2.6倍墙钟加速，同时保持最小退化。

局限性

该方法专门针对具有多块因果DiT和滚动KV缓存的少步自回归世界模型设计，限制了向其他视频生成范式的泛化能力。
摘要未量化退化程度或提供失败案例，导致加速与质量之间的权衡存在不确定性。

技术栈

X-worldCausal DiTRolling KV CacheFew-step Denoising

资源

论文