ReWorld 發表互動式世界模型架構：分離短期控制與長期記憶，支援 704x1280 即時串流與 64 秒長程回憶

ReWorld 提出一種新型互動式世界模型架構，旨在解決控制需要短期視角、而記憶需要無限長度的結構性衝突。該模型在訓練階段將短期控制與長期記憶分離，並在推論階段透過混合注意力視窗（多數注意力頭關注近期，少數全域頭關注完整歷史）與隨機頭路由進行限制。 在推論時，模型採用固定預算的 KV 快取，並搭配姿態索引地標庫（pose-indexed landmark bank），從中檢索最接近當前姿態的地標。其資料引擎將 Unreal 渲染、遊戲漫遊與真實世界影片等 8 種來源對齊至單一物理動作尺度，並利用迴文軌跡（palindrome trajectories）提供記憶訓練所需的重訪數據。 為達成即時互動，ReWorld 透過限制在 LoRA adapter 的分佈匹配蒸餾，將採樣壓縮至 4 步，可串流生成 704x1280 解析度的影片。在與 6 款近期互動式世界模型的對比評測中，ReWorld 取得最佳控制保真度（11.95 度旋轉誤差）與生成品質；在長達 64 秒（384 個 latents）的往返生成測試中，其固定的 12 區塊快取能成功重新生成起始視角，解決了滑動視窗會遺失歷史紀錄、以及全 KV 注意力會耗盡記憶體的問題。