**过去框定未来：自回归视频生成中的记忆机制综述**

_The Past Frames the Future: Memory for Autoregressive Video Generation_

> 这篇综述系统梳理了自回归（AR）视频生成中的记忆机制。作者指出，随着生成序列不断延长，模型必须在严格受限的上下文窗口、存储与算力下运行，导致实体身份、动态状态、干预引发的因果变化等关键历史信息往往在其相关性消失之前就已离开活跃上下文，维持时间持续性因此成为一个根本性的记忆问题。文章将记忆定义为跨 AR 步骤持久保留、即使原始证据不再可访问仍能影响后续生成的历史信息，并从五个互补视角组织文献：（I）形式——历史的表征载体；（II）功能——需要保留的具体语义与物理信息；（III）操作——写入、读取、更新、管理与整合的记忆生命周期；（IV）学习——闭环 rollout 下记忆行为的优化；（V）评测——诊断真实记忆能力的范式。最后总结了可组合且资源感知的记忆架构、可信状态更新、自 rollout 学习与标准化评测等开放挑战，为构建可靠的记忆条件视频生成系统提供了结构化基础。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-24 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.28466)