arXiv cs.AI· Jun Liu, Dajie Sun, Zhenglun Kong, Zhenjiang Fan, Peiyan Dong, Fan Yang, Wenbin Zhangg, Geng Yuan, Xue Lin, Yanzhi Wang, Dong Huang·· 1 天前AI 评分34
测试时搜索何时真正帮助世界动作模型？候选选择与模拟器完整性的实证审计
When Does Test-Time Search Help World Action Models? An Empirical Audit of Candidate Selection and Simulator Integrity
AI 导读
研究对 Cosmos Policy 与 RoboCasa 上的测试时扩展做了预注册审计：干净数据下学习型价值选择器比随机差 1.66 pp，事后 oracle 仅提升 1.40 pp，82% 的状态候选结果完全相同。
正文 · AI 翻译
作者：Jun Liu、Dajie Sun、Zhenglun Kong、Zhenjiang Fan、Peiyan Dong、Fan Yang、Wenbin Zhangg、Geng Yuan、Xue Lin、Yanzhi Wang、Dong Huang
摘要：世界动作模型越来越多地采用测试时扩展，将额外的推理计算用于候选选择与自适应分配，以提升控制效果。此类收益只有在候选携带可利用信号、名义计算节省转化为真实加速、且评估保持可靠时才可信。我们在 Cosmos Policy 和 RoboCasa 上以“前提优先、预注册”的方法对这三方面进行了审计。在干净数据上，学习型价值选择器比随机选择差 1.66 个百分点；事后最优 oracle 仅提升 1.40 个百分点，且其回合级区间跨越零；82% 的状态下候选结果完全相同，选择空间很小。Token 剪枝将每次前向的 FLOPs 最多降低 47%，但在部署路径上实测端到端加速至多 1.15$\times$（在排除解码的路径上为 1.25$\times$），未达到 1.5$\times$ 的目标；我们的自适应分配实验在功效门槛下无定论。我们进一步发现并修复了一处静默渲染损坏，其发生率沿计算密集的规划路径急剧上升，但不影响官方直接策略结果，并发布了检测器、修复方案与脚本。这些发现表明，测试时扩展应作为一条前提链（决策信号、实际效率、评估完整性）来审计，而非仅看成功率。结论仅限于所测试的配置。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41970 [cs.AI] |
| （或本版本的 arXiv:2610.41970v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.41970 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Jun Liu [查看邮箱]
[v1]
2026年10月30日星期五 16:21:07 UTC（1,568 KB）
来源：arXiv cs.AI · arxiv.org