深度专题 FEATURES — 3
MoWorld：世界模型也要跑得快
MoWorld把世界模型推向50 FPS：不只会预测未来，还要来得及参与实时控制。
视频预训练开始扩展MoE
LingBot-Video把MoE引入机器人视频预训练，尝试补上漂亮画面与物理行动之间的落差。
LingBot：可以无限交互的世界
LingBot 把世界模型推进到一小时连续交互，但“无界”离真正持久的世界仍有距离。
速览 BRIEFS — 8
PAPER
双重记忆补上VLA的遗忘症
LaMem-VLA把短期画面与长期进度写进模型“记忆”，让机器人做多步骤任务时不只顾眼前。
PAPER
KV Cache优化终于能横向比了
统一比较四类KV Cache优化：省得多，不一定跑得快、答得好。
PAPER
Akashic让智能体历史不必重放
Akashic把智能体历史分块复用，减少反复通读旧记录的成本
PAPER
自我奖励会把模型练成说服家
自我奖励可能只让模型更会骗过裁判；先让裁判独立作答，或能堵住漏洞。
PAPER
Image2Sim用一张图扩建导航场
Image2Sim把图像与视频变成可探索的导航场景，低成本扩充机器人训练数据。
PAPER
世界模型长跑输在动力学
世界模型能把动作接着演，却不会随摩擦变化改写结局；长期预测的问题可能不只是误差累积。
PAPER
端侧NPU跑LLM，瓶颈藏在哪
跨层实测发现：NPU擅长读题，却未必擅长逐字作答，调度还可能暗耗电。
PAPER
VLA推理也能缓存动作
ActionCache复用过去的中间动作再细化，无需重训即可降低机器人控制延迟。