MBench-A

HLA-WM框架通过改进的远程记忆提升视频世界模型

研究人员开发了HLA-WM，一个新颖的免训练框架，旨在通过改进长序列的记忆保持能力来增强长视域视频世界模型。该系统通过结合粗粒度几何引导检索和细粒度循环线性状态计算，解决了现有循环线性注意力模型中信息丢失的问题。HLA-WM有效地缓存和检索相关的历史场景信息，在SANA-WM-Bench和MBench-A等基准测试中，PSNR等指标显著提高，旋转误差降低，同时与全KV缓存相比，内存需求也大大降低。