自回归视频模型的长程一致性缺陷被点名

AI 长视频生成的一个内核短板被点出：当主角离镜后再次返回画面时，模型往往记不住他的身份、服饰甚至手里的物体，出现一致性丢失。智源社区(AI_era)发文指出，这暴露的是自回归视频模型在**时序连贯性与长程一致性上的根本缺陷**,远不只是「生成时长」的表面问题。

根因在机制层：自回归模型分段生成视频，靠 **KV 缓存维持上下文**;但为了控制算力，缓存被强制截断或压缩，前序细节的长期记忆随之缺失，模型自然没法准确还原早先的画面元素。该文认为这不是工程调优问题，而是当前视频生成架构的硬约束。

💡 为什么值得看KV 缓存截断丢失长程记忆，机制缺陷致主角变化。