**WorldCycle：基于自验证强化学习的长程视频世界模型**

_WorldCycle: Self-Verifiable Reinforcement Learning for Long-Horizon Video World Models_

> 针对交互式视频世界模型在长期规划中累积误差且缺乏验证机制的问题，研究者提出WorldCycle框架。该方法利用可逆动作循环实现自我验证，通过空间闭合奖励和时间一致性奖励优化模型，使动作学习成为一致的状态算子而非记忆性时序模式。实验显示，WorldCycle将状态返回漂移降低44%，复合动作准确率提升近4倍，并同步发布CycleBench诊断基准。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-06 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.04964)