論文の概要: Multi-Horizon Consistency as Geometry: When Latent Dynamics Contract, and When They Do Not
- arxiv url: http://arxiv.org/abs/2607.21645v1
- Date: Tue, 21 Jul 2026 23:50:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:56.939212
- Title: Multi-Horizon Consistency as Geometry: When Latent Dynamics Contract, and When They Do Not
- Title（参考訳）: 幾何学としてのマルチ水平整合性:潜時ダイナミクス契約とそうでない場合
- Abstract要約: マルチステップ潜在契約は、ビデオ予測器や世界モデルにおいて一般的なトレーニングノブである。
実験的な拡張プロキシL20,q95と水平線20予測誤差E20を測る。
6種のうち4種は=0.8でL1に交差する。同じ損失は、E20が改善しても、アクションv1やカートポールv1、KTHビデオではL1を産生しない。
- 参考スコア（独自算出の注目度）: 0.3058685580689604
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-horizon latent consistency is a common training knob in video predictors and world models, but practitioners rarely know what it does to transition geometry. We treat lambda, the weight on multi-step latent agreement, as a diagnostic control and measure an empirical expansion proxy L20,q95 together with horizon-20 prediction error E20. On Moving-MNIST (n=6 seeds at the critical pair), raising lambda from 0 to 0.8 cuts L20 from 4.96 +/- 2.01 to 1.01 +/- 0.06 (paired t p=0.005, Wilcoxon p=0.031) and halves E20 (0.365 to 0.177, paired t p=1.1e-13). Four of six seeds cross L<1 at lambda=0.8. The same loss does not produce population L<1 on action-conditioned Pendulum-v1 or CartPole-v1, nor on KTH Actions video, even when E20 improves. An associational mediation analysis on MMNIST gives r-hat=0.94 (95% CI [0.88, 1.00], n=27, B=2000); lambda was not randomized. Defensive checks (architectural baselines, exogenous stress, WorldTest, MPC, scaling) mostly support a narrow claim: soft consistency can push passive video toward a near-contractive band, and that band is domain-limited. A stochastic-forcing law L20 ~ 1.23 + 1.82 eta at lambda=0.8 (bootstrap slope CI [1.73, 1.92], R^2=0.96) unifies control domains on the same curve via calibrated eta_eff. Complete joint slices at lambda in {0.4, 1.2} (30/30 cells, 5 eta x 3 seeds) show comparable linear L20(eta) slopes (~1.69 and ~2.00); we do not fit a continuous (lambda, eta) surface. We do not report DreamerV3 or TD-MPC2 returns.
- Abstract（参考訳）: マルチホライゾン潜時一貫性は、ビデオ予測器や世界モデルにおいて一般的なトレーニングノブであるが、幾何学の遷移に何ができるかを実践者は滅多に知らない。
我々は,多段階遅延一致の重みであるラムダを診断制御として扱い,水平線20予測誤差E20とともに経験的拡張プロキシL20,q95を測定する。
移動MNIST(n=6シード)では、0から0.8までのラムダがL20を4.96 +/- 2.01から1.01 +/- 0.06(ペア化t p=0.005、ウィルコクソンp=0.031)、ハーフE20(0.365から0.177、ペア化t p=1.1e-13)にカットする。
6種のうち4種はラムダ=0.8でL<1に交差する。
同じ損失は、アクション条件の Pendulum-v1 や CartPole-v1 や KTH Actions のビデオでは、E20 が改善しても、人口 L<1 を発生しない。
MMNISTの関連媒介分析では r-hat=0.94 (95% CI [0.88, 1.00], n=27, B=2000) が与えられ、ラムダはランダム化されなかった。
防御チェック(アーキテクチャベースライン、外因性ストレス、WorldTest、MPC、スケーリング)は、主に狭い要求をサポートします。
L20 ~ 1.23 + 1.82 eta at lambda=0.8 (bootstrap slope CI [1.73, 1.92], R^2=0.96) は、校正されたeta_effを介して同じ曲線上の制御領域を統一する。
0.4, 1.2}(30/30セル、5 eta x 3シード)のラムダでの完全関節スライスでは、線形L20(eta)勾配(~1.69, ~2.00)と同等である。
DreamerV3やTD-MPC2のリターンは報告しません。
関連論文リスト
- Stable Geometry, Reversing Poles: The Bipolar Structure of AI Occupational Substitutability and Its Decade-Scale Inversion [0.0]
我々は1,961 O*NET Detailed Work Activityを,31-expert HITLキャリブレーションを用いたマルチエージェントLPMパイプラインを用いて15,817個のマイクロアクションに分解した。
DWAレベルのOccupational Automation Indexを以前の研究から7マクロのセマンティックタイプポロジーに投影する。
論文 参考訳（メタデータ） (2026-06-06T02:00:32Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - Measuring Maximum Activations in Open Large Language Models [60.3514350516308]
集中度, MoE, 視覚言語, 中間訓練, 命令調整型変異にまたがる8つのオープンファミリーから27個のチェックポイントで, グローバルおよび階層的に最大値を測定した。
最大アクティベーションサイズは、単純なサイズの副産物ではなく、ファミリー、アーキテクチャ、トレーニングステージに結びついているモデル特性である、と結論付けます。
論文 参考訳（メタデータ） (2026-05-15T03:31:51Z) - Reframing preprocessing selection as model-internal calibration in near-infrared spectroscopy: A large-scale benchmark of operator-adaptive PLS and Ridge models [0.2609784101826761]
本稿では,探索を1つのキャリブレーションステップに分解できる事例について検討する。
線形演算子適応キャリブレーションは、徹底的な前処理スクリーニングに匹敵する予測品質を与える。
論文 参考訳（メタデータ） (2026-05-13T14:23:00Z) - The Geometry of Forgetting: Temporal Knowledge Drift as an Independent Axis in LLM Representations [50.43168858368539]
大規模言語モデルは自信を持って時代遅れの回答を生成し、既存の方法では検出できない。
これは工学的な失敗ではなく構造的な失敗であり、時間的ドリフトは、幾何的に残留流の方向として、正確性と不確実性の両方に符号化される。
論文 参考訳（メタデータ） (2026-05-09T22:27:31Z) - The Extrapolation Cliff in On-Policy Distillation of Near-Deterministic Structured Outputs [52.709361620508595]
ListOPDは、パラメータの5分の1で8B-SFTベースラインで、学生をドメイン内に持ち込む。
Amazon Fashionでは、3つの事前登録テスト — 細粒度崖間隔テスト、小さなクリップのクロス予測 — がロックされた予測ウィンドウ内に落下し、グリッド解像度以下のクローズドフォーム予測に一致する小さなクリップ値が設定されている。
論文 参考訳（メタデータ） (2026-05-09T06:48:00Z) - Affinity Is Not Enough: Recovering the Free Energy Principle in Mixture-of-Experts [0.0]
Sfinity MoEは、現在のトークンが1つの分布に属し、次に別の分布に属するドメイン遷移で失敗する。
3つの軽量ゲート修正により、0.748 +/-0.002(124x)に上昇する。
ベータルーチン化は遷移ステップBを6.56+/-0.01から4.01+/-0.15(β-MoE)に還元することを示す。
論文 参考訳（メタデータ） (2026-05-01T12:18:55Z) - Zoom Consistency: A Free Confidence Signal in Multi-Step Visual Grounding Pipelines [0.880899367147235]
マルチステップズームインパイプラインはGUIグラウンディングに広く利用されている。
中間出力は、無償で有用な信頼信号: ズーム一貫性を含む。
理想化条件下でのステップ1空間誤差の線形推定器であることを示す。
論文 参考訳（メタデータ） (2026-04-15T20:47:08Z) - Unregularized Linear Convergence in Zero-Sum Game from Preference Feedback [50.89125374999765]
NLHFにおける最適乗算重み更新(mathtOMWU$)に対する最初の収束保証を提供する。
本分析では, 稀に発生する行動の確率が指数関数的に小さい値から指数関数的に増大する新たな限界収束挙動を同定する。
論文 参考訳（メタデータ） (2025-12-31T12:08:29Z) - Identity-Link IRT for Label-Free LLM Evaluation: Preserving Additivity in TVD-MI Scores [3.959606869996232]
本報告では,TVD-MIの2次試行平均値が,非線形リンク関数を使わずに項目応答理論(IRT)に適合する付加的構造で中心確率スコアを得ることを示す。
Giniエントロピーからこのクリップ付き線形評価を導出し、境界飽和を扱うボックス制約最小二乗の定式化を導出する。
論文 参考訳（メタデータ） (2025-10-16T17:59:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。