---
{"schema":1,"date":"2026-10-29","timezone":"Asia/Shanghai","title":"AI 原生游戏引擎每日观察","revision":1,"publication":"publish","review_status":"generated","summary":["Matrix-Game用前移参考帧减轻赛车长时画面融化。","LiveAct把多角色动作流绑定到各自角色并实时生成。","两项数字均来自作者实验，尚非独立复测。"],"events":[{"project":"matrix-game","title":"Matrix-Game加入future sink位置策略以改善赛车世界模型的长时推理稳定性","kind":"code","event_date":"2026-10-28","publication_date":null,"discovered_date":"2026-10-29","evidence":"verified","source":"https://github.com/SkyworkAI/Matrix-Game/commit/a10eee250b2c007e855e5e915e28137bfb3c1c99"},{"project":"liveact","title":"LiveAct提出面向多角色与机器人的实时动作条件视频世界模型","kind":"paper","event_date":"2026-10-21","publication_date":"2026-10-21","discovered_date":"2026-10-29","evidence":"source-claim","source":"https://arxiv.org/abs/2610.29408"}]}
---
# AI 引擎日报｜2026-10-29

今天值得看的不是更大的生成模型，而是两种让交互世界“撑得更久、分得清谁在行动”的具体工程办法。

**Matrix-Game：把参考帧的时间位置前移，缓解长时赛车画面融化。** 新提交在缓存满21个潜在片段、约第85帧后，默认让固定参考图的位置始终领先当前块11格，避免旧方案把它永远钉在零点、相对距离不断扩大。代码开放了 future、fixed、absolute 三种模式，便于复现实验。维护者称在两段4001帧测试中，旧模式约1800至2900帧后道路和建筑开始融化，新模式未出现同类崩坏；这仍是作者测试，要求提供参考图，也不能证明所有场景都稳定。[提交（2026-10-28）](https://github.com/SkyworkAI/Matrix-Game/commit/a10eee250b2c007e855e5e915e28137bfb3c1c99) · [合并请求（2026-10-28）](https://github.com/SkyworkAI/Matrix-Game/pull/95)

**LiveAct：一个模型接收多名角色各自的动作流。** 论文把不同游戏按键和机器人命令映射为每个角色独立的控制条件，覆盖4款游戏与2类机器人数据；作者报告角色归属准确率为游戏0.898、机器人0.942，并给出单卡、512×448、每段4步去噪时17.70 FPS。它可用于多人原型、具身智能模拟和动作归因，但数字来自108段、每段81帧的留出片段，未在实体机器人上测试，长序列仍会累积误差；项目页有演示，未找到公开代码或权重。[论文（2026-10-21）](https://arxiv.org/abs/2610.29408) · [项目页（2026-10-21）](https://liveact-ai.github.io/)

我的判断：这两项都在处理世界模型从“短视频”走向“可持续交互”的关键问题——长期记忆和多主体控制；当前证据仍更适合作为研究组件，而非即插即用引擎。实际接入前还要分别检查跨场景稳定性、输入延迟和动作冲突。

覆盖情况：已检索国际官网与开源仓库、国内团队及中文平台、论文原文和作者页；X 仅覆盖公开搜索结果，未读取完整时间线，覆盖受限。