StateCraft：用抽象状态推理增强视频世界模型

StateCraft 将可持久更新的抽象状态与视觉状态解耦，用语言模型搭配视频扩散模型演化动态世界，在生成质量、记忆和可控性基准上超越现有最优基线。该架构在长轨迹中保持高自一致性和生成质量，且抽象状态可直接编辑，生成能跟随数据中从未观测过的状态编辑。概念验证的 3D 实验显示，该范式也可应用于空间环境。