SMI 框架用理解模型管理空间记忆，破解世界模型长视频难题

SMI（Spatial Memory Intelligence）是首个系统性用理解模型（MLLM）为长视频世界模型做空间记忆管理的框架。它包含空间聚类、簇内稀疏化、动作感知检索、可靠性感知过滤四个协同的原子操作。在多个基线、基准和世界模型骨干上的实验显示，SMI 在记忆稀疏度、生成稳定性和空间一致性上均有全面提升。