当视频模型回到原点，它还认得这里吗？Honeycomb用恒定大小记忆守住长视频的一致性
2026.10.15 · 产品 · 论文 · 论文预印本
哈佛、MIT 等提出 Honeycomb，用恒定大小记忆让视频模型重访原点时保持一致。
哈佛、MIT、新加坡国立大学与 MIT IBM Watson AI Lab 提出 Honeycomb，用 HexMemory 把场景压缩进六张固定尺寸二维特征平面，通过读取、生成、写回循环更新。记忆不随视频长度增长，默认约 73.9 MB，闭环 PSNR 达 17.22 dB。
- HexMemory 用三张空间平面加三张时空平面表示场景
- 记忆容量由平面分辨率与特征维度决定，不随帧数增长
- 默认 512 分辨率、秩 48，特征存储约 73.9 MB
- WorldScore 闭环 PSNR 17.22 dB，比第二名高 1.23…
- 循环写入器每次约 13 毫秒，不随片段数增加
为什么值得看
长视频生成不必依赖持续膨胀的场景缓存。
适合谁关注
关注视频生成与世界模型的研究者和开发者。