**AlayaWorld：交互式长视界视频世界模型技术报告**

_AlayaWorld: Interactive Long-Horizon World Modeling -- Full Technical Report_

> 论文提出AlayaWorld，一个基于15B参数视频扩散Transformer的交互式长视界世界模型。该模型能根据文本或图像输入即时生成可交互且持续演化的虚拟环境。通过自回归生成短潜在序列、结合持久化时空记忆与几何对齐空间内存，有效维持长期一致性并抑制漂移。研究还引入离散自回归蒸馏技术，将单块推理步数从约30步压缩至4步。该模型在iWorld-Bench基准上取得长视界生成最优性能，旨在为交互式视频世界模型提供开源可扩展的研究基础。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.18367)