新指标 VIScore:不跑规划器即可诊断世界模型规划成败
DrMorganLevine · x · 2026-08-17
问题:基于 MPC 的世界模型规划涉及视觉编码器、预测器、规划器与成功判据四个环节,但此前度量(straightness、loss、物理状态探测、empowerment)只覆盖其中一两个模块,与规划成败脱节。
方法:论文(arXiv:2608.11174,作者 Haiyu Wu、Randall Balestriero、Morgan Levine)提出 VIScore(Veracity-Influence-Sobriety 分数),在隐空间中量化「给定编码特征时预测器的可达性与容量」以及「搜索式规划器的幻觉程度」,同时覆盖编码器、预测器与规划器。实验显示 VIScore 与规划成功率呈强 Spearman 相关,解释力优于既有指标。
附带发现:对比分布目标相同、性质不同的两种正则损失:SIGReg 有利于自监督学习却无助于规划,VISReg 则能提升分布外(OOD)数据上的规划成功率。代码已在 GitHub 开源。
「研究」频道最新
- COLM 2026 论文：拆解多语言模型安全降级原因 — davlanade · 2026-08-17
- 最大规模开放实验：前沿模型自主AI研究，最佳成绩缩小82%差距 — inductionheads · 2026-08-17
- DeepMind 展示整块推理模型：自纠错解数独 — mtizard · 2026-08-17
- 大模型真实工作能力评测：通过率惨淡，远低于代码任务 — 数字生命卡兹克 · 2026-08-17
- Delip Rao 痛批 AI for Science：现有 Agent 成功多为幸存者偏差 — deliprao · 2026-08-17
- SCoPE 演示上线：无引擎重建，单图生成任意相机路径视频 — yshan2u · 2026-08-17