上下文世界模型中用于零样本泛化的动态对齐潜在想象

arXiv 25.8 2025 63.4 method, theory

TLDR

DALI通过自监督动力学预测推断潜在上下文表示，实现上下文世界模型中的零样本泛化。

评分理由

Strengths include a novel method with theoretical proof and strong empirical gains on cMDP benchmarks. Weaknesses are reliance on the Dreamer architecture and evaluation only in simulated environments, leaving real-world applicability unverified.

Read-first 评分解释

综合优先阅读分 63.4，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 49。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

主题相关性 42%

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基线、基准

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：181。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

generative world model

world simulator

interactive world model

video world model

深度分析

创新点

用于上下文世界模型中零样本泛化的动态对齐潜在想象（DALI）框架，无需显式上下文变量
自监督编码器，通过预测前向动力学从智能体-环境交互中推断潜在上下文表示
理论证明动态对齐编码器对于高效上下文推断和鲁棒泛化是必要的
潜在空间中的反事实一致性：扰动编码重力的维度会以物理合理的方式改变想象的轨迹

方法

DALI集成在Dreamer架构中，使用自监督编码器，该编码器通过预测智能体-环境交互的前向动力学进行训练。该编码器产生潜在上下文表示，用于条件化世界模型和策略，从而实现零样本泛化。该框架在上下文马尔可夫决策过程（cMDP）基准测试上，与不感知上下文和感知上下文的基线进行了评估。

关键结果

DALI相比不感知上下文的基线取得了显著提升，在外推任务中通常超越感知上下文的基线，实现了对未见上下文变化的零样本泛化。

局限性

该框架集成在Dreamer架构中，可能限制其应用于其他基于模型的强化学习方法
理论证明可能依赖于未在所有真实场景中得到充分验证的假设
反事实一致性仅针对编码重力的维度进行了演示，未明确展示对其他上下文维度的泛化
基准测试仅限于cMDP环境，现实世界的适用性和可扩展性尚未验证
训练可能需要多样化的上下文集合才能实现零样本泛化，且对高度外推变化的性能未量化

资源

论文