AnyGoal测试世界模型组合泛化

研究团队发布AnyGoal基准及配套开源库；跨多个环境和世界模型家族的实验显示，受测模型在专家轨迹覆盖不足的状态—动作组合下，反复出现规划失败。 AnyGoal基于常用世界模型环境设置任务：单个状态因素和动作仍在训练支持范围内，但它们的组合在专家轨迹中代表不足。基准测试模型能否把已学动力学重组用于新任务规划，而非能否识别完全陌生的状态或动作；论文还比较了不同模型家族、交互机制和评测指标下的失败表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。