arXiv cs.AI· SeungWon Seo, DongHeun Han, SeongRae Noh, HyeongYeop Kang·· 10 小时前AI 评分31
Alice：在 Baba in Wonderland 中实现先验错位下的在线自监督动力学发现
Baba in Wonderland: Online Self-Supervised Dynamics Discovery for Executable World Models
AI 导读
Alice 是一个闭环系统，将失败的候选更新视为结构信号，通过保留冲突提炼假设类，引导前沿探索，从而在先验错位下学习可执行世界模型。研究在 Baba in Wonderland（Baba Is You 的先验错位变体，将语义规则标签替换为无关词）上评估，实验显示 Alice 显著提升可执行世界模型学习效果，五次运行消融支持类结构与探索信号带来的整体改进趋势。
正文 · AI 翻译
摘要：可执行世界模型可以被读取、编辑、执行并复用于规划，但前提是程序捕捉的是环境的转移规律，而非其表层词汇中的语义捷径。我们研究在先验失配下的在线可执行世界模型学习，其中智能体必须仅凭交互证据归纳出状态相关的动力学，而无需规则描述、奖励信号或可信的词汇先验。我们提出 Alice，一个闭环系统，它将失败的候选更新视为结构性信号：当某个候选能解释一个新的转移，却丢失了先前已解释的转移时，这种保持冲突揭示了当前程序所混淆的动力学。Alice 将这些冲突细化为假设类，每个受影响的类各提供一个失败样例用于更新，并引导前沿探索朝向相对于当前程序而言新颖且代表性不足的转移。我们在 Baba in Wonderland 上评估 Alice，这是 Baba Is You 的一个先验失配变体，它保留了模拟器动力学，同时将语义上有意义的规则-属性标签替换为无关词汇。实验表明，Alice 在先验失配下显著改善了可执行世界模型学习，五次运行的消融实验支持随着类结构和探索信号的加入而呈现的整体改进趋势。项目页面：此 https URL。
| 评论： | NeurIPS 2026 相机就绪版本；经最终修正的修订稿 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2605.16725 [cs.AI] |
| （或此版本的 arXiv:2605.16725v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2605.16725 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：HyeongYeop Kang [查看邮箱]
[v1]
2026年5月16日星期六 00:18:22 UTC（2,298 KB）
[v2]
2026年11月4日星期三 11:01:26 UTC（3,783 KB）
来源：arXiv cs.AI · arxiv.org