🔥 今日值得一读
官方JEPA模型翻车了！动作排序全反着来，闭环重规划竟是遮羞布？
ARC-Bench: Closed-Loop Replanning Masks Broken Action Ranking in Frozen JEPA World Models
👨💼 主理人解读 · 为什么值得关注
开发者可用ARC-Bench检测基于潜在距离规划的世界模型是否可靠，避免因错误动作排序导致规划失败。
📖 AI 总结
该研究提出ARC-Bench协议，直接审计冻结JEPA式世界模型在奖励无关的潜在空间规划中，动作排序是否与真实代价一致。结果显示，该假设在官方JEPA-WM检查点上严重失效：操作域中得分最高的候选动作几乎总是次优，迷宫域也出现类似反转。控制实验排除了数据来源、训练不足、骨干网络及度量循环等干扰因素。作者指出，闭环重规划掩盖了这一缺陷——降低重规划频率后，导航和操作任务成功率显著下降，而频繁重规划所挽救的回合恰恰包含严重的首次规划排序失败。因此，闭环成功率系统性高估了冻结潜在表征的可排序性。该工作为依赖潜在空间规划器的方法提供了直接审计工具，并揭示了其失效机制。
🔑 关键词速览
| JEPA | 联合嵌入预测架构，一种通过预测潜在空间中的嵌入来学习世界模型的方法。 |
| ARC-Bench | 一种用于审计冻结潜在表示中动作排序能力的基准测试协议。 |
| 闭环重规划 | 在控制过程中根据最新观测反复重新规划动作的策略。 |
| 潜在空间 | 由编码器生成的低维特征空间，用于表示状态或动作的抽象特征。 |
| DINOv2 | 一种自监督视觉变换器模型，用于生成视觉特征。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅