新论文提出保通勤时间世界模型 CTWM，参数减半仍胜基线
hisspikeness · x · 2026-10-05
Hauri、Zenke 等人在 arXiv 发表《Learning Commute-Time-Preserving World Models for Planning》。
核心思路：世界模型靠在潜空间选动作来逼近目标，若潜空间距离能反映环境中的通勤时间（commute-time）结构，规划会更准。图拉普拉斯的谱嵌入天然具备这种性质，但在大型连续环境中显式构建图拉普拉斯不可行，需靠自监督学习获得。
关键发现与方法：
- 作者证明现有方法为防表征塌缩普遍鼓励各向同性表征，这反而破坏了谱嵌入中依赖特征值的正确缩放，导致通勤时间失真
- 提出 CTWM：结合潜位移预测器与 log-determinant 正则项防塌缩，在可逆确定性动力学下可证明恢复正确缩放的拉普拉斯表征
- 实验中 CTWM 在多个复杂连续 goal-reaching 基准上持平或超过任务无关基线 LeWM，参数量仅一半
- 作者给出 PointMaze 可视化：CTWM 的潜距离在瓶颈区域附近更贴近真实通勤时间结构
论文、代码与项目页均已公开。
所属事件:CTWM 世界模型以半参数保通勤时间，规划性能持平强基线(6 条相关)→
「研究」频道最新
- Cohere Labs 多篇研究入选 COLM,含海报与工作坊报告 — Cohere_Labs · 2026-10-05
- Gaussian Splatting 随机渲染提速:Pixel 7 Pro 上 7.5ms 渲一帧 — willeastcott · 2026-10-05
- Windfoil 发布:闭式覆盖实现更快可微矢量图形渲染 — thespite · 2026-10-05
- 复盘谷歌量子霸权争议：200 秒神话一周内被 IBM 打到 2.5 天 — thisguyknowsai · 2026-10-05
- Schmidhuber 重申:1991 年 ULTRA 才是线性注意力与 Transformer 概念源头 — SchmidhuberAI · 2026-10-05
- Reddit 用户发起 Dot Commons:让众人 AI 智能体协作攻关阿尔茨海默病研究 — Kitchen-Jicama8715 · 2026-10-05