تقدم هذه الورقة نموذج WorldPlay، وهو نموذج تدفق فيديو مُتَنَوِّع (diffusion) يمكّن من نمذجة عالم تفاعلي في الوقت الفعلي مع اتساق هندسي طويل الأمد، مما يحل التناقض بين السرعة واستهلاك الذاكرة الذي يحد من الطرق الحالية. يعتمد WorldPlay على ثلاث ابتكارات رئيسية. 1) نستخدم تمثيلًا ثنائيًا للإجراءات (Dual Action Representation) لتمكين التحكم القوي في الإجراءات استجابةً لدخول المستخدم عبر لوحة المفاتيح والماوس. 2) لضمان الاتساق على المدى الطويل، يُعيد نموذج الذاكرة المُعاد بناؤها (Reconstituted Context Memory) بناءً على الإطارات السابقة، ويستخدم إعادة تشكيل زمني (temporal reframing) للحفاظ على إمكانية الوصول إلى الإطارات الهامة هندسيًا حتى لو كانت قديمة جدًا، مما يخفف بشكل فعّال من تدهور الذاكرة. 3) كما نقترح طريقة جديدة تُسمى "إجبار السياق" (Context Forcing)، وهي طريقة تقطيع (distillation) مبتكرة مصممة خصيصًا للنماذج التي تراعي الذاكرة. ويعمل توحيد سياق الذاكرة بين النموذج المُعلّم (teacher) والنموذج المُتعلم (student) على الحفاظ على قدرة الأخير على استخدام المعلومات على مدى طويل، مما يتيح سرعة في الوقت الفعلي مع منع التراكم التراكمي للأخطاء. وبشكل متكامل، يُنتج WorldPlay فيديو تدفقيًا بطول 720 بكسل بسرعة 24 إطارًا في الثانية، مع اتساق متميز، ويتفوق على التقنيات الحالية ويُظهر قدرة قوية على التعميم عبر مشاهد متنوعة. يمكن العثور على صفحة المشروع والعرض التجريبي عبر الإنترنت على: https://3d-models.hunyuan.tencent.com/world/ و https://3d.hunyuan.tencent.com/sceneTo3D.