像传话游戏一样，AI 每生成一小段视频，就把它当作下一轮的依据。开头一个小差错，传到一分钟后，可能变成人物穿过物体、凭空消失，甚至画面结构崩坏。Cycle-World瞄准的正是这种长期漂移：自回归生成——逐段接力式生成——越往后越容易被自己的错误带偏。
它的关键做法是加入“返程检查”。模型从状态 A 向前生成到 B，再用反向预测尝试从 B 回到 A；若回不去，就说明这段变化可能不够自洽。训练时，这项循环一致性约束促使正向模型生成更容易还原的序列。生成时，冻结的反向模型又充当实时纠错器，通过梯度调整尚未写入历史的潜在表示——也就是画面的内部编码——避免错误继续滚大。作者称，该方法在 VBench 基准的 60 秒视频合成中取得整体质量与长期时间一致性的领先表现；这一效果目前仍以论文自述为准。