Alibaba DAMO unveils WorldAttention for efficient interactive video world models

Alibaba-DAMO-Academy · hf · 2026-09-30

Alibaba DAMO Academy 发布 WorldAttention,一套面向文本条件交互式视频世界模型的高效注意力架构,解决长时程生成中的历史上下文与显存瓶颈问题。核心设计:

在 VBench-Long 和 InterVBench 上全面超越此前 SOTA,主体一致性分别达 0.9472 和 0.9668。该架构瞄准具身智能与基于仿真的规划所需的低延迟、长时长生成场景。

Original post →

More from Multimodal

Multimodal channel →