R2-WAM：世界动作模型需要怎样的视觉表征
在共享训练协议下比较十三种视觉来源、五种注入机制与多源组合，得到以通用表征和通道拼接为核心的 Representation Recipe，并实例化为 R2-WAM。
V-JEPA
ViRDM：驯服表示分布匹配以服务少步因果视频生成
ViRDM 把图像侧表示分布匹配做成少步因果视频的生成器-only 后训练配方：用随机退出、分阶段 VJP 与轻量解码打通显存，再配因果 ODE 初始化与光流动力学正则，20 次更新达到 VBench 84.87。
HERA：冻结的世界模型如何记住被遮挡的物体？
提出HERA框架与RRPM适配器，通过结构化记忆库和分离的Memory/Workspace Registers将历史证据路由至冻结的V-JEPA 2预测器，提升物理违规检测的准确性。