针对哪种策略校准？干预下固定世界模型的适形不确定性

研究提出一种加权适形校准方法，在部署策略变更导致分布偏移时无需重新训练世界模型，即可向目标分布传递边际覆盖保证。在 DINO 特征世界模型与 Franka 机械臂物理轨迹实验中，强偏移下普通 90% 适形集覆盖率降至 55.0%，而学习权重校准实现了 90.9% 覆盖率。相关分类器遗憾界与覆盖合成推导已在 Lean 4 中完成机器验证。