FAR 让世界模型学会用未来监督挑选记忆，在 LoopNav、SoundSpaces 与 AI2-THOR 三类环境中超过固定检索规则

FAR 把“该回忆哪段过去”转化为可用未来监督的学习问题：训练时以已实现未来在候选记忆条件下的负扩散预测损失近似预测效用，再通过贝叶斯后验把这一信用分配给推理时看不到未来的检索器。 此前世界模型的外部情节记忆多依赖固定相关性准则，如时间新近性、位姿或视场重叠、视觉嵌入相似度；FAR 则让检索规则本身由下游预测目标来优化，并给出预测相关性界与隐变量最大似然推导。 论文给出 Proposition 1 的预测相关性界推导、隐变量最大似然视角，以及候选级 EMDR2 式近似；在视频扩散实例化中，预测效用用四个扩散时间步上的负预测损失近似，候选共享同一组扰动。

FAR 为每条可用线索学习线索特定的相关性分数，并用查询相关的门控权重自适应融合，因此能随查询改变“信任哪条线索”。 已有外部检索器通常只用单一或固定组合的线索；FAR 的融合权重由当前查询的线索统计量生成，且线索只用于挑选记忆，不作为生成条件输入世界模型。 在 SoundSpaces 上，元数据在密集扫描时已足够强，而端点稀疏扫描下多线索融合的优势随返回段长度增长，尤其在 LPIPS 与 DreamSim 上；在肘形走廊示例中，位姿与视觉几何模糊时音频检索到更清晰的视角。

在状态会变化的环境中，FAR 能回忆与当前世界状态一致的历史，减少陈旧记忆造成的错误。 以新近性或几何匹配为主的检索可能取到空间吻合但状态过时的记忆；FAR 用未来监督把“预测得准”的记忆排在前面。 AI2-THOR 中按状态变化幅度分层评估，多线索 FAR 在表面变化与容器揭示两类情形下都优于时间与几何检索，容器揭示处优势更明显；配对反事实示例中，同一当前观测与动作下，FAR 依据历史是否放入番茄生成不同未来，而 Temporal 与 WorldMem 未能保持这种依赖。

FAR 还能支持场景外动态预测：在双智能体走廊设定中，仅用时间与位姿元数据的 FAR 就超过时间与 WorldMem 基线，加入观测线索后进一步提升。 这显示未来感知训练可以学到“何时可能出现有信息量的穿越事件”，而不只是匹配几何位置。 论文报告 Temporal 与 WorldMem 分别达到某一准确率，FAR 仅用元数据达到更高值，多线索变体进一步提升；每个回忆上下文由相隔若干秒的两帧组成以刻画运动，评估采用单步双端探针而非自回归 rollout。

该工作聚焦于从外部情节记忆中“读取”，即选择哪些过去观测进入紧凑上下文；它面向需要长时程持久性的世界模型研究，在受控仿真环境（Minecraft 的 LoopNav、Matterport3D 的 SoundSpaces、iTHOR 的 AI2-THOR）中验证，线索集合随环境不同而不同。方法对线索类型保持不可知，因此时间、位姿、视觉、音频等信号都可接入，且检索线索只用于排序记忆、不作为生成条件，便于与既有生成器接口组合。作者指出其与内部长上下文记忆、持久状态表示是互补关系，可结合使用。

作者在结论中列出若干开放方向：记忆写入、压缩、遗忘以及被回忆记忆之间的高阶交互留待未来工作；方法需要信息量充足的检索线索，并带来额外的训练期计算；扩散损失效用可能低估语义重要但视觉局部的变化，替代的任务感知效用函数是有前景的方向；实验均在受控仿真中进行，更丰富的真实场景评估以及与学习式记忆形成、持久状态表示的整合仍待探索。此外，候选级近似只影响检索信用分配，不显式刻画“只有一起回忆才有用”的记忆组合效应，这类交互仍由集合级模型表示。读者若只读到摘要与正文，图与表中的具体数值需回到原文核对。