【导读】视频生成模型总是「记性不好」？生成几秒钟后物体就变形、背景就穿帮？北大、中大等机构联合发布EgoLCD，借鉴人类「长短时记忆」机 制，首创稀疏KV缓存+LoRA动态适应架构，彻底解决长视频「内容漂移」难题，在EgoVid-5M基准上刷新SOTA！让AI像人一样拥有连贯的第一人称视 角记忆。 随着Sora、Genie等模型的爆发，视频生成正从「图生动」迈向「世界模拟器」的宏大目标。 然而，在通往「无限时长」视频生成的路上，横亘着一只拦路虎——「内容漂移」（Content Drift）。 你是否发现，现有的视频生成模型在生成长视频时，往往也是「金鱼记忆」：前一秒还是蓝色瓷砖，后一秒变成了白色墙壁；原本手里的杯子，拿着拿着 就变成了奇怪的形状； 对于第一人称（Egocentric）视角这种晃动剧烈、交互复杂的场景，模型更是极其容易「迷失」。 生成长视频不难，难的是「不忘初心」。 近日，来自北京大学、中山大学、浙江大学、中科院和清华大学的研究团队，提出了一种全新的长上下文扩散模型EgoLCD，不仅引入了「类脑的长短时 记忆」设计，还提出了一套全新的结构化叙事Promp方案，成功让AI在生成长视频时「记住」场景 ...