AnyGoal 基准发布：世界模型在未见状态动作组合上普遍失效
论文AI 评分 72/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究者提出 AnyGoal，一个由常见世界模型环境改造而来的目标偏移任务基准，并配套开源库。其设计思路是：单个状态因子与动作都仍在训练分布内，但它们的组合在专家轨迹中出现得很少，以此检验世界模型能否把熟悉的状态与动作因子重新组合成有效动力学。在多个环境和多个世界模型家族上测试后，现有模型在这类重组情形下持续失败。作者从动力学与表征两个层面，跨模型家族、交互方式和评测指标分析失败发生在哪里。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载基准要测什么
论文关注的是世界模型在专家轨迹之外的可靠性。世界模型的价值在于让智能体借助它规划和模拟动作序列，但学到的动力学必须在训练中见过的具体状态—动作组合之外也表现正常。作者把数据覆盖、动力学泛化与下游规划性能之间的关系作为研究对象，并用组合泛化来切入：世界模型能否把熟悉的状态因子和动作因子重新拼成有效的动力学。AnyGoal 由此构建，任务取自被广泛使用的世界模型环境，改造成目标偏移的变体，同时提供开源库供复用。
任务难在哪
每个任务的设计都刻意保持在「学过底层动力学就该能做」的范围内：单独看，状态因子和动作都没有越出训练支撑集，难点只在于它们的组合在专家轨迹里出现得少。这样一来，失败就不能简单归因于分布外的输入，而更可能指向模型对因子间关系的建模方式。作者在多个环境和多个世界模型家族上做了测试，结论是当前模型在这类重组情形下持续失败，说明仅靠专家轨迹覆盖不足以支撑目标偏移后的预测与规划。
失败如何归类
分析部分把失败拆成动力学层面与表征层面两类，并跨模型家族、交互方式和评测指标分别考察，试图定位当前世界模型在哪些情形下还能泛化、在哪些情形下仍有困难。这套框架、基准与分析被作者定位为后续评估进展的基础，用于衡量世界模型向新规划任务泛化时的推进程度。论文以预印本形式公开，附带项目页面与全文链接。
为什么值得看
世界模型要用于规划，就必须在专家轨迹之外也可靠；这个基准给出了可复现的检验方式与失败证据。
论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。