LeCun 等证明标准世界模型无法回答反事实,给出零训练修正法
alex_verem · x · 2026-11-22
Yann LeCun、Randall Balestriero 等(Brown/NYU,AMI Labs)发布 arXiv 论文《Counterfactual World Models: JEPAs That Reason About "What If"》。
- 核心结论:在事实转移数据上训练的世界模型,无论数据量与容量多大,都无法回答「在同样未知扰动下换一个动作会怎样」这类反事实问题。
- 修正方法一行数学:反事实结果 ≈ 观测结果 + 模型对两个动作预测之差(利用「自然不跳跃」,动作与扰动的交互是时间二阶的),无需反事实数据、不加参数、不重训。
- 理论:给出相对扰动方差的 O(h²) 反事实误差上界,及来自非配对事实数据的匹配 minimax 下界;刻画了不连续点、坐标折叠、缩放指令型扰动下的失效情形。
- 实证:在冻结 DINOv2/MAE 编码器的 JEPA 世界模型上、四个渲染仿真器(机械手、机械臂、接球、运液)验证,反事实 R² 从 38–46% 大幅提升。
「具身」频道最新
- 审计发现机器人仿真基准 RoboDojo 物理引擎失真 — AIFlow_ML · 2026-11-22
- 重型机器人变健身房猛男:力量演示视频引围观 — LinusEkenstam · 2026-11-22
- Slush 大会观察:50 人推销数据平台,没人卖机器人硬件 — MarvinTBaumann · 2026-11-22
- Caltech ASTRA 机器人在轨自主建成 1.4 米天线,系太空首次 — mattbeane · 2026-11-22
- 机器人从业者自嘲:机器人不会某天被一份 250 页 PDF 宣布「已解决」 — DJiafei · 2026-11-22
- 近 50% 关注度流向机器人数据公司,具身智能赛道信号 — chris_j_paxton · 2026-11-22