M^3：基于令牌流的模块化世界模型

arXiv 25.2 2025 68.9 method, system

TLDR

Simulus是模块化令牌世界模型，结合四组件，在三个基准上实现无规划RL最优样本效率。

评分理由

The paper presents a clear modular approach with strong empirical results on diverse benchmarks, but the abstract lacks details on limitations and the tokenization framework's generality. The claim of synergistic gains is supported by ablation studies.

Read-first 评分解释

综合优先阅读分 68.9，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 36。

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

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：有；数据：无；命中信号：代码、GitHub

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：消融、基线、基准、指标

主题相关性 42%

51.4

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

研究版图角色

前沿论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：344。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

generative world model

interactive world model

video world model

world simulator

深度分析

创新点

灵活的令牌化框架，支持观察和动作模态的任意组合
用于认知不确定性降低的内在动机
优先世界模型回放
用于奖励和回报预测的回归即分类

方法

Simulus是一个基于令牌的模块化世界模型智能体，集成了四个组件：灵活的令牌化框架、内在动机、优先世界模型回放和回归即分类。它在三个不同的基准（视觉Atari 100K、连续控制DMC Proprioception 500K和符号Craftax-1M）上，与无规划的世界模型基线进行了评估，以样本效率为主要指标。

关键结果

Simulus在所有三个基准上实现了无规划世界模型的最优样本效率。消融研究证实，每个组件单独都有贡献，且它们的组合产生了协同增益。

资源

论文代码