AlayaWorld 通过 3D Cache、压缩画面历史和漂移训练+Error Bank 三层机制解决世界模型在长时间生成中的状态遗忘问题，指出其本质与 Agent 的 context rot 相同。
📝 详细摘要
过去两年 AI 视频研究侧重画质、时长和真实感，但世界模型在生成越长时越容易暴露状态管理的致命缺陷——模型无法记住刚刚生成的空间信息。AlayaWorld 提出三层机制：1) 3D Cache 记录物体在空间中的位置，使离开后返回能恢复先前场景；2) 压缩后的画面历史保存最近发生的事件，避免全部塞入上下文又不遗忘过去；3) 漂移训练和 Error Bank 专门处理模型自产生的错误，防止小错误随时间累积污染后续画面。作者进一步指出，这与 Agent 长时间运行时出现的 context rot（忘记原始任务、被错误历史带偏）是同一类问题：世界模型忘记的不是文字，而是街道、建筑、人物和刚刚发生的事。因此 AI 的下一场竞争可能不再只是单次生成质量，而是谁能在持续运行中保持状态可编辑、可纠错、可恢复，从而把一次生成变成可进入的虚拟世界。AlayaWorld 目前仍是研究级原型，需首帧图片、相机轨迹和 Prompt 才能推理，但已将代码和权重开源，社区可下载检查验证。
📊 文章信息
AI 初评：75
来源：泊舟(@bozhou_ai)
作者：泊舟
分类：人工智能
语言：中文
阅读时间：4 分钟
字数：835
标签： 世界模型, 状态管理, AlayaWorld, AI 视频, Agent context rot