arXiv cs.AI· Junyu Huo, Zihao Wan, Ziqi Mao, Gouri Ginde·· 1 天前AI 评分31
TetraState：面向学习型世界模型的回归测试协议与测试框架版本化
One Verdict Is Not Enough: Regression Testing Learned World Models and Their Test Harnesses
AI 导读
研究者提出 TetraState 回归测试协议，针对配对的可实现/不可实现视频测试，在四种模型原生配置下运行并统计判定率、不确定测试与执行失败。
正文 · AI 翻译
摘要：学习型世界模型以软件组件的形式发布，其模型版本、预处理和测试框架会随版本更新而变化。关于模型更新的工作已经统计了逐样本回归，即负翻转，而准确率检查会掩盖这些回归。仍有两个问题：测试在一种配置下可以通过，在另一种配置下却会失败；测试框架故障可能在不崩溃的情况下产生错误分数和错误判定。我们提出 TetraState，一种针对成对可能/不可能视频测试的回归测试协议。每个测试在四种固定的模型原生配置下运行；其正确判定数量对应四种结果类别之一。无结论测试和执行失败与判定率分开报告。修订版本通过逐测试的结果转换进行比较，测试框架作为被测系统的一部分进行版本管理。在全部 506 个 IntPhys 2 Main 测试和两个异构系统 Cosmos 3 Nano 与 V-JEPA 2 上，两个 V-JEPA 2 测试框架修订版仅使众数准确率变化 0.2 和 2.6 个百分点，却改变了 11 和 214 个测试标签；在第二个修订版中，准确率上升，但被正确判定的测试反而更少，且有 43 个回归仍保持众数判定，因此众数判定翻转检查会漏掉它们。这些结果勾勒出一项关于学习型组件配置级回归判据的研究议程。
| 主题： | 软件工程 (cs.SE)；人工智能 (cs.AI)；计算机视觉与模式识别 (cs.CV) |
| 引用为： | arXiv:2610.41130 [cs.SE] |
| （或 arXiv:2610.41130v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41130 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Junyu Huo [查看电子邮件]
[v1]
2026年10月30日星期五 01:36:37 UTC（32 KB）
来源：arXiv cs.AI · arxiv.org