← 返回数据集列表

ARB4WM

2026 数据集

Preview for ARB4WM

数据集分析

一个用于评估连续控制中世界模型对抗鲁棒性的统一基准，测试对策略、价值和潜在动态的攻击。

来源线索

来源：papers。

派生自论文：MIND：世界模型中记忆一致性与动作控制的基准测试

关联论文

ARB4WM：面向连续控制中世界模型的对抗鲁棒性基准通过知识性经验学习对齐具身世界模型梦见他人：多智能体强化学习中世界模型的潜在队友建模基于梯度惩罚潜在动力学的平滑梦境与高效采样从观察到事件：面向强化学习的事件感知世界模型 HaM-World: 基于软哈密顿世界模型与选择性记忆的规划方法 MIND：世界模型中记忆一致性与动作控制的基准测试 Mind Dreamer：通过潜在流形上的主动因果干预释放想象力眼不见，心不忘：动态视频世界模型的混合记忆 Physics-IQ 验证 PhysicsMind：面向基础视觉语言模型和世界模型的物理推理与预测的仿真与真实力学基准通过测试时缩放探究世界模型在空间推理中的有效性 R2-Dreamer：无需解码器或数据增强的冗余减少世界模型 ResWM：面向视觉强化学习的残差动作世界模型教视频生成器记住：为视线外的状态演化引出动态记忆用想象力思考：基于世界模拟器的智能体视觉空间推理 World2VLM：将世界模型想象力蒸馏到视觉语言模型中用于动态空间推理 DMWM：具有长期想象能力的双心智世界模型 DreamerV3-XP：通过不确定性估计优化探索双心智世界模型：动态无线网络学习的一般框架 KAN-Dreamer：将Kolmogorov-Arnold网络作为世界模型中的函数逼近器进行基准测试大型情感世界模型用于无标签轨迹控制的潜在动作世界模型 MinD：通过分层世界模型实现统一的视觉想象与控制 MindDrive：一个融合世界模型与视觉语言模型的端到端自动驾驶一体化框架 MindJourney：基于世界模型的测试时扩展用于空间推理 DreamSmooth: 通过奖励平滑改进基于模型的强化学习你的大语言模型是否秘密地是一个互联网世界模型？基于模型的Web智能体规划具有世界模型的网络智能体：在网页导航中学习与利用环境动态 DreamerPro: 基于原型表示的无重建模型强化学习 Orca：世界存于你心通过经验合成扩展智能体学习

资源