自回归视频生成用因果滚动把视觉序列往后接，支撑长程生成、交互式世界建模和持续演化的视觉环境。保真度提高后，瓶颈转向资源：实际模型必须在严格有界的上下文窗口、存储和计算限度下运行。序列拉长时，实体身份、动态状态、干预引起的因果变化，往往在相关性尚未消退前就离开活动上下文。这篇见于 Hugging Face Daily Papers（2026-09-23）的综述将维持时间持久性表述为记忆问题，而不是单纯加长窗口。

记忆的操作定义

记忆被定义为跨外层自回归步维持的持久历史信息，即使当初的证据已不再局部可访问，仍能影响未来生成。检验标准是跨步效力：证据离开窗口之后是否还约束后续画面。当前上下文中的帧只是局部证据，不能等同于记忆。标题「过去框定未来」指的就是这种约束关系。

五个互补视角

文献沿五条轴组织。形态：历史的表征载体。功能：需保存的语义与物理信息。操作：写入、读取、更新、管理与整合的生命周期。学习：闭环滚动生成下优化记忆行为。评估：相应范式。摘要在评估处截断，材料未提供基准或数字，不作延伸。功能轴已点名实体身份、动态状态和干预导致的因果变化，指向可交互环境中的对象稳定与因果后果，而非仅画面流畅。操作把记忆视为有生命周期的系统；学习则要求在模型自生成轨迹上优化，而不是只拟合短片段。

我的判断

价值在于把长程失败从「窗口不够」提升为可操作的记忆问题，并用统一框架切开形态、功能、操作、学习与评估，适合当作后续工作的坐标系。适用边界也很窄：给定材料只有摘要，没有方法对比和实验数字，不能据此判断哪类载体或读写策略更好。评估细节缺失，相关结论应保守。局限是骨架清楚、证据未展开；对短镜头画质任务可能过重，对长程、可干预的视觉环境则不能回避跨步持久性，否则会系统性丢失身份、状态与因果。