arXiv cs.AI· Manvendra Modgil·· 11 小时前AI 评分31
可读不等于可控：学习流体表征中物理结构的预注册检验
Readable Is Not Steerable: Pre-Registered Tests of Physical Structure in Learned Fluid Representations
AI 导读
三项预注册研究在 2D 衰减 Navier-Stokes 流上检验自监督世界模型的潜变量是否围绕物理量组织。JEPA 未通过预注册标准，其潜变量对流体量的组织并不优于同架构未训练网络；普通自编码器最慢的无监督潜方向能突出 enstrophy（最佳 r 0.80-0.86，未训练为 0.38），加入 VICReg 后该突出度在所有对比中下降。
正文 · AI 翻译
摘要：自监督世界模型常被认为会围绕物理量来组织其潜在表示。我们在三项预先注册的研究中，针对二维衰减 Navier-Stokes 流对此进行检验，每项研究均在留出数据上测试一次。在研究 1 中，一个被训练用于预测流场的联合嵌入预测架构（JEPA）未能达到预先注册的标准，即其潜在表示围绕流体量的组织程度优于同架构的未训练网络（不支持）；一个在非物理线性动力学上训练的 JEPA 和一个从未见过时间的静态不变性模型表现同样好或更好。在研究 2 中，渲染该场的普通自编码器在其最慢的无监督潜在方向上使拟能（enstrophy）变得突出（最佳 r 0.80-0.86，未训练为 0.38；新种子，封存数据）。加入 VICReg 在每次比较中都降低了这种突出程度，尽管未达到针对涡度的预先注册幅度，同时提高了自编码器的线性可解码性（部分支持）。在研究 3 中，我们通过路由构建可操控方向（“旋钮”）：解码器仅通过一个小型条件代码获得整体尺度，而其另一条通路携带频谱形状的降级副本。无标签规则在全部 8 个训练模型中找到响度旋钮，并在封存数据上的 5 个新种子中的 3 个中找到形状旋钮，而预先注册的门槛为 4；两个对照均未显示形状旋钮（部分支持）。跨这些研究，潜在表示包含什么与可以通过它控制什么出现了分离。在探索中，一个几乎完美读取频谱形状的监督方向在被操控时没有移动任何东西。在构建过程中，响度旋钮必须通过其对输出的影响（最接近纯重缩放）来找到，而不是通过数据方差；对于形状，方差规则和受效应约束的规则各自在 5 个种子中的 3 个中有效。该程序在一块消费级 GPU 上使用了约 70 个记录小时；所有预注册、偏差、代码和输出均已公开。
| 评论： | 30 页，9 幅图。代码、预注册和检查点：此 https URL |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；流体动力学（physics.flu-dyn） |
| 引用为： | arXiv:2611.05577 [cs.LG] |
| （或 arXiv:2611.05577v1 [cs.LG] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.05577 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Manvendra Modgil [查看电子邮件]
[v1]
2026 年 11 月 3 日星期二 20:08:52 UTC（874 KB）
来源：arXiv cs.AI · arxiv.org