预测潜在世界模型的闭环性能：面向LunarLander中非马尔可夫奖励的MPC与基于模型的强化学习的离线检查点选择

arXiv 2026 40.6 method

TLDR

提出潜在世界模型的离线检查点选择指标，利用奖励可观测性分数预测LunarLander中的闭环性能。

评分理由

Strengths include novel diagnostic metrics (ROF, CROF) for checkpoint selection and empirical validation showing improved performance. Weaknesses are limited scope (LunarLander with shaped rewards) and potential lack of generalizability.

Read-first 评分解释

综合优先阅读分 40.6，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 26。

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

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：有；数据：无；命中信号：检查点、代码、GitHub

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：基线、指标、验证

主题相关性 29%

37.1

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

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

前沿论文复现锚点

排序敏感性

稳定性：volatile；排名波动范围：460。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

generative world model

world simulator

interactive world model

video world model

资源

论文代码