想象你让 AI 围着同一场球赛换机位、换时刻生成视频。过去每提一次要求，它都可能先把场景重新画成 RGB 画面，再从头理解一遍，像每次查资料都重抄整本书。4LC 要省掉这段重复劳动：它把画面预先压成潜表示——供机器生成使用的“场景摘要”，之后直接复用。
这份缓存叫“四维”，指三维空间加时间。它把 VAE、DINO、V-JEPA、VGGT 等多种视觉编码器提取的特征，绑定到共同的几何与运动信息上；读取时可以分别指定视角和时刻，还能合并多次观察来补足未覆盖区域。基于它构建的 4LC-Video，用同一个模型处理镜头控制、时间控制、新视角合成、场景重访和长期生成，无需针对各任务单独微调。
最值得注意的是计算账：论文作者报告，4LC 将“获取生成条件”占端到端生成时间的比例从 14.9% 降至 0.25%，同时降低峰值 GPU 内存。这里的效果仍来自作者实验，但思路很直接：同一世界既然要反复访问，就不该反复编码。