记忆 × 训练阶段分析

交互图与 PNG：地图页。本文只解释「为什么那一格是绿/黄/红」，不打分。

三列分别在考什么

列	模型在干什么	记忆模块最容易翻车的原因
① 双向适配 / Base	全时序看得见未来，先把控制加上	接口没接对、标注（depth/pose）没有，而不是 KV 训不动
② 转 Causal（TF / ODE / PFM）	历史必须「只来自过去」	曝光偏差：检索/ patch 若偷看未来或用上未来 GT，一上线就崩
③ 少步 Distill（DMD / Self-Rollout）	学生自己造历史再对齐	脏 memory 进入 scorer；长程漂被少步放大器放大

「回看不忘」是产品列，不是训练列：A 窗外即忘；C/F 空间强；E 只打时间轴。

分行读

A. KV + Sink（Astronex / Zing / ABot 局部 KV）
双向几乎零额外接口。转因果是成熟课表。少步之后窗更短，失败表现为漂色/忘开场，不是「记忆层训不动」。不要指望它做大视角回访。

B. 整帧几何检索（DreamX / MG 3.0 / Astronex frustum）
双向 + GT pose 很好做。转因果只能取可见历史，DreamX 用掺错 memory / residual recycling 抗曝光偏差。少步时学生自造整帧又贵又脏——Astronex 选择 仅 revisit 打开，是在红格上做场景门控，不是把检索做成默认前向。

C. Patch Memory（Matrix-Game 3.5）
Base 就要 depth/pose、静动态过滤、高比例 memory dropout。少步必须 curriculum：先 CFG+相机，再开 patch；student 在线更新、scorer 固定初始 memory。代价高，回访也最强（当前 Wan5B 视频线）。

D. 角色 Reference（MG 3.5 / ABot）
防的是抄近帧不抄 identity。要 mask 主体区，reference 只能来自因果历史。它不是场景地图。

E. LongForcing
通常不进双向 stage。短 TF/ODE 站稳后再上长 rollout。算力/显存贵，打时间累积误差。不能替代 C/F。

F. 显式 3D 资产（Atlas / HY-World 2.0 / 外置 bank）
另一条赛道。建场后漫游快，动态演化另说。不要把视频 DMD curriculum 硬套过来。

和公开课表的对齐（无新数字）

• Astronex：A 为默认（window20+sink4），B 仅 revisit → 主动避开 B③ 红格。
• Matrix 3.5：C 贯穿 Base→PFM→curriculum DMD，论文写明先关 memory 再打开，正好对应 C③「难但可解」。
• ABot：D + E；WorldRoam / 24h demo 叙事偏时间轴与角色，不主打空间拼贴。
• DreamX：B + 事件 + RL 后蒸馏；少步脏历史是已知黄/红区。
• Zing：A + 在线文本；Navi 团队自述高，不表示回访强。

GPU hours 与「记忆模块多花了多少卡时」：未公开，本页不估算。