在 on-policy RL 中复用 rollout 的下一观测做辅助世界模型监督，零额外推理开销

提出解耦记忆架构实现分钟级一致长视频生成

全栈框架将视频基础模型转为实时相机可控世界模型

YoCausal评估视频扩散模型的因果理解，发现时间箭头感知不等同于因果认知

提出Simplex旋转编码和稀疏Hub注意力，实现可扩展至四个玩家的多智能体世界模型

首个闭环视频世界模拟器，支持状态预测和奖励评估

用干预式基准诊断视频生成模型是否真正理解物理规律。

把终端输出 token 当作监督信号，叠加到 GRPO 损失上，让失败轨迹也产生梯度。

SCOPE 用按像素时序条件化把 FPS 动作的局部分析与全局稳定解耦

无需训练，靠KV缓存的视角检索与相似度压缩，让视频世界模型拥有长程一致记忆

自调节模拟规划让30B智能体以更少token匹敌1T模型

WorldString：统一表征铰接/蒙皮/软体三类可动作对象的隐式神经占据场。

用 LLM 先验从纯观测轨迹中归纳可执行 POMDP，摆脱对真实隐藏状态的依赖。

2.6B参数高效分钟级720p相机控制世界模型,单卡可部署

提出WAIM范式与DAWN模型,让世界预测与轨迹生成在隐空间中递归互炼。

首篇系统综述将世界模型融入动作生成的具身基础模型范式，提出 Cascaded/Joint WAM 二分法。

可读规则下运行时发现优于离线世界模型

系统梳理世界模型在机器人策略学习、模拟器、视频生成与导航驾驶中的架构范式、功能角色与评测体系。

把视频生成评测重定义为世界状态预测,提供436个结构化推理用例与6K专家偏好对的诊断式基准。

提出残差潜在动作RLA，在紧凑潜在空间中流匹配预测DINO特征动力学