用负文本条件在生成器内共享伪速度估计，去除DMD独立伪网络，实现少步流式视频生成

用可执行仿真代码作特权上下文，经在线自蒸馏让视频模型内化物理规律，3K样本超越80K SFT

训练编码智能体写Blender代码构建3D草稿视频，引导下游生成器提升物理一致性

首个分钟级公开游戏数据集：1655小时、四级标注，微调即显著延长世界模型生成时长

编码智能体凭一段标定视频在仿真中重建任务，渲染出可直接训练真机策略的机器人数据。

用实例级反思门控与跨轮次奖励记忆，自适应校准多源情感奖励的信任权重

视频生成质量是多模态理解沿数据-条件-对齐-评估全链路的投影，可灵分享全栈工程经验

把「人换机器人」做成虚拟试穿：三阶段生成管线从人类视频合成带动作标签的机器人演示

用3万小时跨具身机器人数据把视频生成模型改造成动作可控、多视角一致、可长时序自回归的机器人仿真器

用波前流水线并行块级去噪与缓存刷新，每轮前向产出一块视频，动稳兼顾。

以智能体执行框架为分析单元，综述视频生成走向自主生产、世界交互与自我改进的三大方向。

用教师有/无历史两次预测的残差解耦历史监督，实现长视频一致与视角回访状态保持

统一世界模型联合生成未来视频与查询点三维流，视觉监督显著提升运动预测精度

单个9B策略完成脚本到长视频全流程，质量比肩Claude Opus 5而token开销仅1/33

块内聚类选块加逆概率加权采样，单次稀疏注意力无偏估计稠密注意力，加速至2.23倍

用持久3D轨迹作几何脚手架引导视频扩散，按新相机轨迹重拍单目视频

以参考视图重建的法向转盘为几何条件，实现360°全向主体一致视频生成

用共享潜在动作接口统一人类、机器人与仿真视频，训练跨具身世界模型并合成机器人训练数据。

以尺度对齐的3D点云引导与几何对齐多视角记忆注意力，实现大角度相机轨迹下的角色一致视频生成

把视角、动作、相机控制统一为注意力空间内的token，5B模型视角切换率达93.8%追平22B模型