arXiv 2026年10月5日该工作提出 Spatial Memory Intelligence（SMI），首个系统性地用理解模型（多模态大语言模型）为长视频世界模型做空间记忆管理的框架，包含空间聚类、簇内稀疏化、动作感知检索与可靠性感知过滤四项协同原子操作；在多个基线、基准与世界模型骨干上的实验显示，SMI 在记忆稀疏度、生成稳定性与空间一致性上取得全面改进，并表现出有效性与泛化性。该工作提出 Spatial Memory Intelligence（SMI），首个系统性地用理解模型（多模态大语言模型）为长视频世界模型做空间记忆管理的框架，包含空间聚类、簇内稀疏化、动作感知检索与可靠性感知过滤四项协同原子操作；在多个基线、基准与世界模型骨干上的实验显示，SMI 在记忆稀疏度、生成稳定性与空间一致性上取得全面改进，并表现出有效性与泛化性。SMI 用多模态大模型管理空间记忆，在长视频世界模型中同时改善记忆稀疏度、生成稳定性与空间一致性该工作提出 Spatial Memory Intelligence（SMI），首个系统性地用理解模型（多模态大语言模型）为长视频世界模型做空间记忆管理的框架，包含空间聚类、簇内稀疏化、动作感知检索与可靠性感知过滤四项协同原子操作；在多个基线、基准与世界模型骨干上的实验显示，SMI 在记忆稀疏度、生成稳定性与空间一致性上取得全面改进，并表现出有效性与泛化性。该工作提出 Spatial Memory Intelligence（SMI），首个系统性地用理解模型（多模态大语言模型）为长视频世界模型做空间记忆管理的框架，包含空间聚类、簇内稀疏化、动作感知检索与可靠性感知过滤四项协同原子操作；在多个基线、基准与世界模型骨干上的实验显示，SMI 在记忆稀疏度、生成稳定性与空间一致性上取得全面改进，并表现出有效性与泛化性。