Honeycomb 用六張固定平面為影片世界模型做恆定大小記憶
Honeycomb 提出用六張固定尺寸的二維特徵平面（HexMemory）儲存場景，讓影片世界模型的記憶不隨影片長度增長。預設配置為 512 解析度、特徵秩 48，約 73.9 MB；降到 256 解析度後僅 19.8 MB，閉環 PSNR 只從 17.22 dB 微降到 17.10 dB。在 WorldScore 閉環重訪測試中它取得最佳結果：PSNR 17.22 dB、SSIM 0.504、光流誤差 3.00 畫素，明顯優於 Spatia 的 6.64 畫素。
把場景記憶壓縮成六張固定尺寸特徵平面、不隨影片長度增長，並給出閉環重訪的量化指標與約 240 倍寫入加速，對做長影片生成與世界模型的研究者最有用。
原標題：当视频模型回到原点，它还认得这里吗？Honeycomb用恒定大小记忆守住长视频的一致性
閱讀原文
| 評分 | 78 / 76（平均 77，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
港科大等發布首篇自迴歸影片生成 Memory 綜述，110 頁
香港科技大學、香港城市大學、復旦、CMU、NYU、NTU 等機構聯合發布 110 頁綜述《The Past Frames the Future: Memory for Autoregressive Video Generation》，系統梳理自迴歸影片生成中的 Memory 機制。
哈工大深圳與 NUS 提出 QuantWM，2-bit KV Cache 壓縮 6.2 倍
哈工大（深圳）與新加坡國立大學團隊提出免訓練 2-bit KV Cache 量化框架 QuantWM，面向影片世界模型，實際壓縮最高 6.20 倍。研究指出，現有量化方法在 VBench 等指標上接近 BF16，畫面卻仍有閃爍、模糊和失真，原因是 Key 的量化誤差改變了注意力分數排序，使模型選中不同的歷史幀或影像塊。
Einsia 發布物理世界模型評測：Seedance 2.5 最高 57.76 分
Einsia AI 旗下 Navers Lab 發布 World Models' Last Exam in Physics，用 40 個任務、9 類物理現象測試 8 個影片生成模型，Seedance 2.5 以 57.76 分居首，MiniMax H3 以 54.89 分次之。評分由一致性分 C 與物理分 P 組成，物理分靠程式從影片中測量軌跡、週期、角度等量再按物理關係計算，且只有 C≥80 才計入總分。
牛津等團隊提出互動式影片世界模型 Oneira
牛津大學、莫納什大學與布里斯托大學等團隊提出互動式影片世界模型 Oneira，由 Coding Agent 維護的 World State Table 單獨記錄場景中每個物體的 3D BBox 與互動狀態，從而精確改變指定物體，並讓改變後的狀態在後續影片中持續保留。
何愷明團隊發布視覺原生 Harness 框架 VISTA
何愷明團隊提出視覺原生 Harness 框架 VISTA，讓現有多模態模型無需重新訓練，就能儲存原始畫面並在推理時按需回看、放大細節。VISTA 把環境返回的每幀畫面按回合號、幀號索引存到上下文之外，預設只向模型展示最後一幀，需要時用 inspect 工具調取歷史畫面。搭配該框架，Claude Opus 5.0 通關 ARC-AGI-3 全部 25 個公開遊戲，動作效率得分滿分 100，所用動作數比人類首次遊玩基線少 57.4%；