過去幀構成未來：自迴歸視訊生成中的記憶機制
為何重要
這篇文章標定了自迴歸視訊領域從單純序列生成邁向具備時序邏輯的互動式世界模型時，必須解決的關鍵技術瓶頸。對開發者而言，引入「記憶條件」是提升長途徑一致性的重要方向，但如何在嚴格計算限制下維持記憶仍是極難挑戰。雖然目前仍屬純技術研究，但這預示了未來長篇電影生成與具備視覺記憶的 AI Agent 的理論基石。
自迴歸（AR）視訊模型雖能實現高畫質長序列生成，但受限於上下文視窗與計算限制，關鍵歷史資訊（如實體身分或因果變化）往往在生成過程中遺失。本文提出系統化定義，將視訊生成中的「記憶問題」視為跨越外部 AR 步驟維持的持久資訊，而非短暫的上下文。
- 定義記憶機制為必須在來源證據不再本地存取時，仍能影響未來生成的持久歷史資訊。
- 綜合文獻提出五個維度來分析：歷史資訊的「形式」、「功能」、「操作生命週期」、「學習」與「評估」。
- 列出未來挑戰，包括建立資源感知的記憶架構、可信賴的狀態更新及標準化評估。