2026年8月7日 · WorldTrace
Addressable Memory for Video World Models
arXiv 论文 2608.07408v1 提出 WorldTrace，一种无需训练的视觉世界模型长时记忆框架，解决 KV 缓存超出训练范围后无法可靠寻址的问题。论文还引入 LoopBench 基准，评估压缩缓存能否重建长时视觉序列。
EVENT STORY
发展脉络
- 首次出现Addressable Memory for Video World ModelsarXiv cs.LG
- 当前判断该工作表明，视频世界模型的长时记忆仍受限于位置编码的分布外问题，训练时未见过的位置偏移会导致记忆寻址失败。这推动了无需训练的推理时记忆压缩方法的发展，可能影响未来世界模型的设计。Agent Pulse · 分析
该论文研究交互式视频世界模型中的视觉持久性。模型依赖 KV 缓存作为不断增长的视觉记忆，但研究发现当 rollout 超出训练范围时，由于 RoPE 偏移超出训练分布，模型无法可靠寻址存储内容。此外，在 RoPE 旋转空间中压缩缓存会因平均不兼容的相位而破坏记忆。为此，作者提出 WorldTrace，通过为每个摘要槽分配不同的分布内虚拟位置，保持压缩记忆可寻址。WorldTrace 包含两种压缩方法：WorldTrace-Field 用于时间一致性，WorldTrace-Landmark 用于情节回忆。论文还引入 LoopBench 基准，评估压缩缓存能否重建长时视觉序列。
WorldTrace 的核心创新在于为压缩记忆槽分配分布内虚拟位置，从而在 RoPE 旋转空间中保持可寻址性，避免因平均相位导致的记忆损坏。这提示长上下文视觉模型的记忆管理需要关注位置编码的分布外问题。
该工作表明，视频世界模型的长时记忆仍受限于位置编码的分布外问题，训练时未见过的位置偏移会导致记忆寻址失败。这推动了无需训练的推理时记忆压缩方法的发展，可能影响未来世界模型的设计。
对于视频生成和交互式 AI 产品，WorldTrace 可能降低长时生成的内存成本，同时保持记忆质量，从而提升产品体验并降低推理成本。
后续可关注 WorldTrace 在更长 rollout 上的表现，以及 LoopBench 是否成为视频世界模型记忆评估的标准基准。