WorldCycle: Self-Verifiable Reinforcement Learning for Long-Horizon Video World Models
世界循环：面向长时视频世界模型的自验证强化学习
🧭 视频世界模型 · 自验证强化学习
The Hong Kong University of Science and Technology · Wuhan University · AI Technology Center, Tencent Video, Tencent
利用可逆动作循环构造无标注长期监督，通过空间闭合与时间一致性奖励降低状态漂移并提升组合动作泛化
📌 工作参考价值（4 点）
- 循环自验证思路可迁移至序列推荐模型：设计用户行为序列的“逆操作”（如浏览后返回），要求模型预测回到历史状态，以无标签方式监督长期一致性，缓解漂移问题。
- 复合动作泛化测试（CycleBench）可类比推荐中的组合条件推荐评估，用于检测模型对多步关联操作的鲁棒性。
- RL 中基于对称性的奖励设计可启发对话推荐策略训练中的一致性约束，减少来回对话的崩溃。
- 主要面向视频生成，迁移至推荐需额外适配，但长序列建模的自监督循环思想可直接参考。