让 AI 接龙生成一段长视频，早先登场的人物可能突然消失，画面也会越往后越差。Jing Wang 等人在 JMLR 发表研究，用 Meta-ARVDM 框架统一分析这两类故障。自回归视频扩散模型会把前面生成的片段当作后续依据，像接龙一样继续；问题在于，小错误也会被一路带下去。
论文最值得注意的发现是：记住过去与维持画质并非总能兼得。据 JMLR，实验中的不同方法形成了 Pareto 前沿——一种选择改善时，另一种往往变差。作者用“历史遗忘”衡量模型能否利用更早的帧，并在 DMLab 和 Minecraft 中设计“草堆寻针”任务：把信息埋在视频前段，再检查模型到后段还能否找回。论文还证明，纳入更多旧帧会持续减轻遗忘，但有限的历史信息构成无法彻底消除的记忆瓶颈。这项工作没有宣称解决长视频生成，而是给出一套更具体的诊断工具，帮助判断世界模型究竟错在记不住，还是错在误差逐步累积。