Operator-on-F 补充价值等价性：一种用于潜在世界模型的规划时诊断

arXiv 2026 38.5 method

TLDR

提出operator-on-F诊断，测量潜在世界模型规划错误，其与回报损失的相关性优于奖励预测误差。

评分理由

Strengths: Novel diagnostic with strong empirical correlation (-0.90) to return loss, demonstrated on TD-MPC2 size sweep and cross-architecture comparison. Weaknesses: Limited to a single environment (cheetah-run) and small number of model sizes (n=5), lacking broader validation.

Read-first 评分解释

综合优先阅读分 38.5，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 44。

近期性 6%

100

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：2026

主题相关性 29%

62.9

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 18%

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：评估

可复现性 18%

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：无

引用影响力 18%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：255。

关键词评分

world model

world dynamics prediction

model-based reinforcement learning world model

world simulator

generative world model

interactive world model

video world model

深度分析

创新点

Operator-on-F：一种规划时诊断，在可观测子集F上比较模型的k步潜在前推与环境的前推，使用模型自身的预测器，补充价值等价性。

方法

该诊断在TD-MPC2模型大小扫描（cheetah-run任务）上进行评估，测量operator误差、奖励预测误差和贝尔曼残差。使用锚定自助法95%置信区间计算operator误差与回报损失之间的秩相关系数，并进行了TD-MPC2与纯SSL潜在世界模型之间的跨架构比较。

关键结果

奖励预测误差在不同模型大小间仅变化约3倍（0.028–0.091），与回报相关性弱（Spearman -0.30），而operator误差范围从0.28到2.62，与回报损失的相关性为-0.90（95%置信区间[-0.90, -0.70]）。在317M参数时，operator误差飙升至2.62，规划回报降至0.9，尽管奖励误差仍保持在相同的狭窄范围内。

技术栈

TD-MPC2pure-SSL latent world modelcheetah-run

资源

论文