WorldAttention 用分层 KV 缓存与混合稀疏注意力把交互式视频世界模型推到单卡 H100 上 22 FPS，并在 VBench-Long 取得 0.9472 主体一致性
该工作提出 WorldAttention，一种面向交互式视频世界模型的注意力架构，通过分层 KV 缓存（HKV）在 GPU、CPU、NVMe 多级内存间做页面级存储与两阶段检索，并用混合稀疏注意力（HSA）结合线性全局分支与头自适应块稀疏分支，在 VBench-Long 与 InterVBench 上取得主体一致性 0.9472 与 0.9668，同时实现相对 FlashAttention-3 的 14.02 倍稀疏核加速、整体 2.21 倍端到端加速，并在单张 NVIDIA H100 上维持 22.0 FPS。