世界模型梯度之争：一阶收益有限，零阶训练更快

围绕世界模型训练策略的梯度之争引发讨论。有研究者引用自己的工作指出，在「接触切换处梯度尖锐不可用」这一点上与 RWM 结论相反，但认为一阶梯度用于 imagination 内训练策略收益有限，在廉价样本的学习型世界模型下更是如此。另有作者展示用零阶策略梯度仅需 30 秒即可在仿真或实机上完成一个足式运动策略训练，进一步支持零阶方法在效率上的优势。

2026-10-26 ~ 2026-10-26 · 2 条相关