你让 AI 连续生成一段长视频：人物离开镜头，过一会儿再回来，衣着、长相甚至场景可能已经悄悄变了。问题不只是“记性差”，而是常见系统的固定容量 KV 缓存——模型保存过往画面中间信息的随手笔记——通常只留下开头和最近画面，中途事件一旦被挤出去，之后便无从查找。
Memory Forcing 的关键做法，是不增加缓存容量，而把它分成三块：sink 保存开头，working 保留近期动作，archive 留下多样的中程事件。新片段先进入 working；空间满时，系统按相似度选取片段写入 archive，archive 满后再淘汰最旧内容。它还用 Bank-aware RoPE——一种按缓存分区重新安排时间位置的方法——让三类记忆保持可区分，并避免长视频的时间编号跑出训练范围。
作者称，1.3B 模型在较长视频上领先，并在报告全部四种时长的方法中，从 5 秒延长到 60 秒时退步最小；人物或场景离开后再返回，也更能保持一致。这里最值得关注的不是单项分数，而是它补上了“记得开头、记得眼前，却忘了中间”的结构性缺口。