Long-WAM 源码精读：先想后动的世界-动作模

传送带加速到每秒 7.5 厘米，别的模型抓取成功率直接掉到零，Long-WAM 还能稳在 90%。差距就在一个：它看得见更久的过去，而且真会拿这些历史来干活。

长记忆本来会把动作拖慢。它的解法是先让视频模型预演个“未来草图”，动作模型再照着这个草稿去生成动作。为了不卡机器人，它还把编码和计算全做了异步流水线。实测一个动作只要 107.4 毫秒，比旧方案快了两倍多。

代码里有个关键开关，停在九成噪声而不是完全干净。这意味着未来画面只含一成信号，全程不解码回像素，动作去噪直接复用这份缓存。

不过这方案也有门槛。每个上下文长度都得单独训一个模型，38.4 秒那档成功率还掉到了 75.2%。仓库自己也声明，完整基准还没重跑完，原始结果包也没发。

想自己验证的，直接拉公开检查点跑评测就行。