arXiv cs.LG· Amir Mesbah, Di Wu·· 16 小时前AI 评分33
适应之前：持续世界模型中的零样本泛化瓶颈
Before We Adapt: The Zero-Shot Generalization Bottleneck in Continual World Models
AI 导读
持续强化学习中世界模型的零样本复用性能在物理上下文改变时会显著下降，表明表征泛化是世界模型可靠复用的核心瓶颈。该研究将上下文分解为行为与物理组件，并在受控 FourRooms 任务中使用 Dyna-Q 和 TD-MPC 评估直接复用表现。消融实验与隐空间诊断进一步证实，学习到的表征不会自动提供复用所需的不变性。
来源：arXiv cs.LG · arxiv.org