arXiv · cs.AI· Junyi Wu, Zekun Li, Chenhongyi Yang, Chen Guo, Lingchen Yang, Yongan Zhang, Xinyi Zhang, Hongbing Hu, Bartek Rymkowski, Srinath Sridhar, Yan Yan, Xijie Huang·· 11 小时前
World-T3：用测试时训练持久记忆提升实时视频世界模型
World-T3: Test-Time Training as Persistent Memory for Real-Time Video World Models
arXiv:2610.17434v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Junyi Wu, Zekun Li, Chenhongyi Yang, Chen Guo, Lingchen Yang, Yongan Zhang, Xinyi Zhang, Hongbing Hu, Bartek Rymkowski, Srinath Sridhar, Yan Yan, Xijie Huang
研究任务与主要进展
World-T3提出一种相机控制的视频世界模型，将历史观测持续整合到专用模型参数中，并通过递归最小二乘和基于相机位姿的在线更新读取场景记忆。基于论文摘要，该方法在长时回访基准上将回访PSNR从13.52提升至18.31 dB，将绝对旋转误差从3.344降至1.075，并通过双教师分布匹配蒸馏为少步生成器，在单张NVIDIA B200 GPU上以1280×704分辨率维持20.6 FPS。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org