论文提出世界模型上下文压缩，可超窗口检索房间

Hayder Tirmazi 在 arXiv 发布论文《Context Compaction for World Models》，把世界模型重访区域时无法一致重建的问题视为上下文检索问题，并构建了每次生成新世界以避免记忆训练数据的基准，开发了首个针对世界模型的上下文压缩 agent harness，用它研究四种世界模型设计。 论文称，上下文压缩能让世界模型在上下文窗口之外最多 4 倍距离检索房间而无需重训练；而使用滑动窗口注意力的世界模型在 dreaming 时丢失大部分检索能力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。