arXiv cs.AI· Xinyuan Song, Zekun Cai·· 3 天前AI 评分22
图世界模型中的 rollout 误差如何传播与抑制
Understanding Rollout Error in Graph World Models
AI 导读
研究系统分析了 Graph World Models（GWM）中 rollout 误差的传播机制，针对固定边与动态边两种情形推导出拓扑感知的误差界，刻画了图结构、学习动力学与演化边的作用。
正文 · AI 翻译
摘要：世界模型越来越多地被用于规划，其方式是在候选动作下预测未来状态。然而，许多规划环境天然具有图结构，智能体、工具、技能、路线和依赖关系通过固定或不断演化的关系相互连接。因此，理解预测误差在这类图结构展开中如何累积，对于可靠的长时程this http URL至关重要。在这项工作中，我们系统地研究了展开误差在图世界模型（GWM）中如何传播。我们分析了固定边和动态边两种情形，并推导出拓扑感知的误差界，刻画了图结构、学习到的动力学以及演化边的作用。随后，我们在合成图拓扑和异构智能体-图测试平台上验证了这些理论发现，表明展开误差和规划遗憾随规划时程增加而增大，并且当图结构演化时，动态边训练十分重要。综合来看，这些结果刻画了GWM在长时程规划下何时仍然可靠，以及图结构何时会放大展开误差。受这些发现启发，我们提出了误差感知GWM，它结合了谱正则化、展开一致性和关键节点加权，在不牺牲单步精度的情况下提升了长时程稳定性。实验表明，误差感知GWM在不牺牲预测精度的情况下，持续提升了长时程展开稳定性。
| 评论： | 审稿中 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2606.27780 [cs.AI] |
| （或 arXiv:2606.27780v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.27780 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Zekun Cai [查看邮箱]
[v1]
2026年6月26日星期五 07:11:29 UTC（5,897 KB）
[v2]
2026年7月5日星期日 04:12:19 UTC（5,899 KB）
[v3]
2026年10月12日星期一 05:00:59 UTC（1,706 KB）
来源：arXiv cs.AI · arxiv.org