NVIDIA WorldTrace 免训练增强视频世界模型场景记忆,回访召回提升 32%
NVIDIAAI · x · 2026-11-21
NVIDIA Research 发布 WorldTrace,解决交互式视频世界模型「离开再回来场景就走样」的一致性问题。核心思路:模型 rollout 超出训练长度后,时间 RoPE 偏移超出训练范围导致 KV 缓存内容无法被注意力寻址,且在 RoPE 旋转空间直接压缩缓存会因位置相位不兼容破坏记忆。WorldTrace 无需重训练,给每个摘要槽位分配独立的分布内虚拟位置,让缓存「可寻址」,并由模型自身注意力决定哪些观察原样保留、哪些合并为压缩摘要。在场景回访基准 LoopBench 上,相同 attended-cache 大小下平均 DINOv2 召回提升 32.6%,论文入选 NeurIPS 2026。
「研究」频道最新
- 论文:27B 开源模型能自我改写权重,无需梯度训练 — jedisct1 · 2026-11-21
- 黎曼猜想相关证明的 Lean 形式化已覆盖几乎全部数论 — sytelus · 2026-11-21
- 学者预言 AI 两三年内在数学全面超越人类,如国际象棋之变 — soumitrashukla9 · 2026-11-21
- Universal Dependencies v2.19 发布:新增 49 个树库与 33 种语言 — stanfordnlp · 2026-11-21
- CoRL 2026 最佳论文 SuperMimic 被质疑:2019 年起已有 3 篇同类工作 — animesh_garg · 2026-11-21
- ELLIS 图宾根研究所携 48 篇论文登陆 NeurIPS 2026,含 2 篇 Oral — maksym_andr · 2026-11-21