arXiv cs.AI· Sevan Brodjian, Michael Hobley, Pietro Perona·· 6 天前AI 评分29
生成模型何时能充当模拟器：可编辑性研究
When Generative Models Act as Simulators
AI 导读
研究探讨生成模型能否通过"可编辑性"充当模拟器，即改变模型潜在表示能否产生与编辑模拟器状态相同的下一步输出。作者在离散棋盘游戏 Othello 和自建连续世界 Rayworld 中测试了探针解码与逆映射两种方式，发现哪种映射成功强烈依赖环境：Othello 中可编辑性随游戏简化平滑下降，微小规则改动即产生巨大影响；Rayworld 中探针无法沿模拟器连续状态引导，但逆映射仍能设定模型状态。
正文 · AI 翻译
摘要：模拟器将环境概括为用户可以读取和更改的状态。生成模型无需明确指定即可学习世界的表示，但没有内置的方式来编辑该世界的状态。我们研究了生成模型可以通过$\textit{可编辑性}$充当模拟器的条件：改变模型的潜在表示是否会产生我们通过编辑模拟器状态所获得的下一步输出。简而言之，我们的目标是找到生成模型的潜在状态与模拟器状态之间的映射，其中模型仅根据观测进行训练，而映射是事后学习的。我们测试了两种映射，它们都是从与模拟器状态配对的观测中学习的。在一种中，我们训练探针从模型解码模拟器状态，然后沿着它们进行引导。在另一种中，我们直接用逆映射学习映射，即使引导失败也能成功。我们在两个对比鲜明的环境中研究两者：离散棋盘游戏黑白棋，以及 Rayworld，我们自己的通过部分渲染看到的移动圆盘的连续世界，更接近物理场景和视频。我们发现哪种映射成功在很大程度上取决于环境，尽管在每个变体中状态都是可解码的。在黑白棋中，可编辑性随着游戏的简化而平滑下降，甚至微小的规则变化也会产生巨大的后果。在 Rayworld 中，探针无法沿着模拟器的连续状态进行引导，但逆映射仍然可以从该状态设置模型。因此，模型可以由它可能从未学习过的模拟器驱动。
| 主题： | 机器学习 (cs.LG)；人工智能 (cs.AI) |
| 引用为： | arXiv:2610.12847 [cs.LG] |
| （或 arXiv:2610.12847v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12847 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Sevan Brodjian [查看电子邮件]
[v1]
2026年10月9日星期五 01:12:21 UTC (2,047 KB)
来源：arXiv cs.AI · arxiv.org