HLA-WM: Hybrid Linear Attention for Long-Horizon Video World Models

HLA-WM 是一种无需额外训练的混合线性注意力框架，通过几何引导检索与细粒度递归线性状态计算结合，提升长时视频世界模型的场景一致性。在 60 秒的 SANA-WM-Bench 上，HLA-WM 在六个汇总指标中实现 0.74 dB PSNR 增益和 28.5% 的旋转误差降低，同时将历史状态内存减少 12 倍，推理吞吐量仅下降 1.6%。