视频世界模型在生成过程中持续更新记忆，使离开上下文的场景仍保持一致。
推荐理由：它把测试时训练变成持久视觉记忆，在生成期间固化历史观察，而非要求自回归上下文独自记住世界，为长时交互环境缓解空间遗忘。
阅读原文