跳到正文
arXiv · cs.RO· Tong Zhang; Zhiyuan Shi; Yun Peng; Tao Xie·· 10 天前AI 评分55

论文 / 摘要阅读

研究拆解期望自由能作为潜世界模型规划的测试时算力控制器

Knowing When to Stop Thinking: A Dissection of Expected Free Energy as a Test-Time Compute Controller for Latent World-Model Planning

AI 导读 · 根据来源整理

一项 arXiv 预印本研究拆解期望自由能(EFE)能否决定潜世界模型规划该花多少算力,并分别测试候选打分、停止规则与在线预测器更新。当精英代价停滞时停止细化,在成功率随深度饱和的任务上平均成功率接近固定深度参照;在测试的较大权重下,奖励预测分歧会降低冻结模型的成功率,惩罚分歧则在部分任务和权重设置下有益、在另一些设置下有害。

本站目前提供摘要

以上是对来源材料的中文整理,不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。

前往 arXiv · cs.RO 阅读原文 ↗

来源:arXiv · cs.RO · arxiv.org