认证世界模型：跨配置、时域和分辨率的可预测性
TLDR
本文为等变潜在世界模型给出可预测性证书，用Lyapunov谱分析误差在配置、时域和分辨率上的传播。
评分理由
Strengths include rigorous theoretical results (Theorems A and B) and empirical validation on a 40-dimensional learned model with high R^2. Weaknesses are the restriction to exact equivariance and lack of real-world experiments or benchmarks.
Read-first 评分解释
综合优先阅读分 50.5，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 23。
研究版图角色
基础论文前沿论文桥接论文方法锚点
排序敏感性
稳定性：volatile；排名波动范围：337。
关键词评分
深度分析
创新点
- 等变潜在世界模型的可预测性证书：一个可计算的区域，涵盖配置、时间范围和分辨率。
- 定理A：在精确等变性下，展开误差在由k个原始对称性生成的幺半群上是不变的，并且可以从k个生成元得到认证。
- 引理2：等变目标上的通用轨道平坦性在函数层面刻画了等变性，表明无约束架构无法通过构造来认证该性质。
- 定理B：近似轨道转移缺陷通过有限时间Lyapunov谱传播：扩张通道产生对数时间范围，中性通道线性累积重复缺陷，收缩通道累积有界非零下限。
- 精确守恒荷值仅在零缺陷时对所有时间范围得到认证；单步缺陷η下，荷值误差最多增长Tη。
- 在40维学习模型上，使用Z_N-等变网络经验性地恢复了完整Lyapunov谱（R²=0.98-0.99），而密集和循环基线失败。
- 锥/适应度量证书从模型自身的Jacobian读取先验时间范围，在一致双曲动力学上紧致，在其他地方自我弃权，从而改进预算重观测决策。
- 对于公开的非等变世界模型，切谱给出一个无需训练的时间范围候选，配合一个保留的散度交叉检查，当学习循环过度承诺时弃权或修正。
方法
本文提出使用等变潜在动力学的认证世界模型。它提供了关于配置、时间范围和分辨率的可预测性的理论证书（定理A和B）。经验上，在40维学习模型上使用Z_N-等变网络进行评估，与密集和循环基线进行比较，并测量Lyapunov谱恢复。还引入了锥/适应度量证书以及针对非等变模型的无需训练的时间范围候选。
关键结果
在40维学习模型上，Z_N-等变网络恢复了完整Lyapunov谱，R²=0.98-0.99，而密集和循环基线失败。锥/适应度量证书提供了先验时间范围，改进了预算重观测决策。
局限性
- 定理A需要精确等变性；近似缺陷通过Lyapunov谱传播。
- 精确守恒荷值的证书仅在零缺陷时有效；单步缺陷下，误差最多增长Tη。
- 锥/适应度量证书仅在一致双曲动力学上紧致；在其他地方自我弃权。
- 对于非等变模型，切谱给出候选时间范围，但需要保留的散度交叉检查来在过度承诺时弃权或修正。
- 无约束架构无法通过构造来认证可预测性（引理2）。