World-T3 视频世界模型论文发布

2026年10月14日，arXiv Computer Vision 刊出 Junyi Wu 等作者的论文，提出 World-T3 相机可控视频世界模型。该模型把测试时训练当作持久记忆，将过往观测固化进专门的模型参数，并用递归最小二乘规则按相机位姿在线更新记忆，从而在恒定存储和每步计算下保持长程一致性。论文称其在单块 NVIDIA B200 GPU 上以 1280 x 704 分辨率维持 20.6 FPS。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

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。