GeoTrans：用于免训练世界模型加速的几何感知状态传输

基于摘要分析。GeoTrans 面向扩散式世界模型的可控视频生成，针对长时空序列反复执行 transformer 导致的推理成本，提出免训练的几何感知潜在状态传输框架。其核心是利用几何对应 token 的共同状态演化，而非仅凭时间冗余预测缓存更新。 机制上，GeoTrans 根据时间漂移与预测跨度上限自适应刷新锚点，将候选状态位移分解为几何共享分量和残差分量，再利用已完成的锚点转移，以闭式形式在线估计各分量的增益。几何关系决定转移结构，锚点转移决定最终接受的状态更新；摘要说明，增益估计不需要额外的 transformer 求值或梯度计算。摘要未说明几何对应关系的具体构建方式、缓存位置、漂移度量及增益估计公式，这些实现条件尚未验证。 作者报告，在 Voyager 和 Aether 上分别实现 4.25 倍和 1.96 倍加速，并相较 WorldCache 改善生成保真度；摘要未给出具体生成任务、序列长度、硬件、计时口径或保真度指标，因此不能据此判断不同设置下的收益。作者还报告受控消融支持几何状态传输的作用，但实验协议、消融及统计信息尚未验证。 原论文研究对象是视频世界模型推理，而非 EEG 解码或 BCI。平台推测（待验证）：若神经信号生成模型也存在可追踪的空间对应关系与重复去噪过程，状态分解和在线增益估计可能具有复用价值；但电极空间关系不等同于视频中的几何对应，低信噪比、通道变化与跨被试差异可能破坏共享状态演化假设。现有 EEG 相关工作尚未检索确认，不能将上述视频生成结果视为 BCI 有效性的证据。