关于我

我是李业，浙江大学软件工程专业本科生，关注世界模型、视频生成与多模态交错生成。我的研究兴趣包括长视频生成中的上下文调度、跨镜头状态保持，以及物理知识在视频生成中的应用。

近期参与的工作包括 ATAS、ReCA 和 Gen-RSI，其中 ATAS 为共同第一作者。这里记录我的研究进展、论文阅读与工程实践，也分享学习过程中遇到的问题和思考。

项目

ATAS 场景记忆与事件记忆的概念示意图

ATAS：以世界状态为中心的智能体视频生成

研究工作 · 共同第一作者

通过持久的场景记忆与事件记忆支持多镜头视频生成，在返回旧场景或重现历史事件时检索相关状态，并经验证后更新记忆。

多镜头视频时间线与上下文节点示意图

ReCA：通过递归上下文分配实现多镜头长视频外推

预印本 · 2026

在有限的短视频生成预算下，递归组织镜头规划、上下文分配与状态更新，将已有画面延续为多镜头长视频。

Gen-RSI 视频、世界代理与物理仿真反馈的概念示意图

Gen-RSI：视频生成模型的递归自改进

研究工作

将生成视频转化为可执行的 Blender 代理，通过物理仿真修正代理，再以渲染结果引导教师模型，训练视频生成器以改进物理一致性。