論文の概要: Platonic Representation Hypothesis on World Models
- arxiv url: http://arxiv.org/abs/2608.23720v1
- Date: Mon, 24 Aug 2026 18:08:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.503746
- Title: Platonic Representation Hypothesis on World Models
- Title（参考訳）: 世界モデルにおけるプラトン表現仮説
- Authors: Wenhow Li, Chengwei MA, Hui Xiong, Ying-Cong Chen, Lei Zhang,
- Abstract要約: 我々は,有能な世界モデルが幾何学的に類似した内部構造へと発展していくことを示す。
以上の結果から,予測整合性の追求は,世界モデル間の共用・遷移整合性を有する潜在構造を促進することが示唆された。
- 参考スコア（独自算出の注目度）: 42.05154017234555
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: World models have demonstrated significant potential for perceiving and simulating complex environments. Despite their strong performance, the fundamental nature of their learned representations remains poorly understood. In this paper, we investigate the Platonic Representation Hypothesis within this domain by proposing the Predictive Consistency Assumption: we posit that the optimization of a shared state transition objective acts as a selective pressure that encourages heterogeneous models to converge toward a shared latent structure. Through systematic experiments with the DINO World Model (DINO-WM), in which we vary visual encoders to create heterogeneous models, we find that capable world models evolve toward geometrically similar internal structures. Moreover, via model stitching, we show that the internal features of one world model can be mapped to another with limited performance degradation, providing evidence of functional compatibility. Our findings suggest that the pursuit of predictive consistency can promote shared, transition-compatible latent structure across world models.
- Abstract（参考訳）: 世界モデルは複雑な環境を知覚し、シミュレートする大きな可能性を示してきた。
その強い性能にもかかわらず、それらの学習された表現の基本的な性質はいまだに理解されていない。
本稿では、この領域内のプラトン表現仮説について、予測整合性仮定(Predictive Consistency Assumption)を提案することにより検討する: 共有状態遷移の目的の最適化は、異種モデルが共有潜在構造へ収束することを奨励する選択的な圧力として働くと仮定する。
DINOワールドモデル(DINO-WM)による系統的な実験により、視覚エンコーダに異質なモデルを作成することで、有能な世界モデルが幾何学的に類似した内部構造へと進化することを発見した。
さらに, モデル縫合により, 1つの世界モデルの内部特徴を, 限られた性能劣化を伴う別の世界モデルにマッピングし, 機能的整合性を示すことを示す。
以上の結果から,予測整合性の追求は,世界モデル間の共用・遷移整合性を有する潜在構造を促進することが示唆された。
関連論文リスト
- Structure Abstraction and Generalization in a Hippocampal-Entorhinal Inspired World Model [11.849694189409526]
脳にインスパイアされた階層モデルが潜伏遷移を推測し、予測的視覚世界モデルを構築する方法を示す。
この研究は、脳にインスパイアされた、世界モデルの自己教師付き学習が再利用可能な抽象的知識の獲得をいかに促進するかを理解するための、新しい計算フレームワークを提供する。
論文 参考訳（メタデータ） (2026-05-15T08:36:40Z) - World Action Models: The Next Frontier in Embodied AI [123.5787299299832]
VLA(Vision-Language-Action)モデルは、具体的政策学習のための強力なセマンティックな一般化を実現している。
彼らは、物理的な世界が介入の下でどのように進化するかを明示的にモデル化することなく、リアクティブな観察から行動へのマッピングを学ぶ。
成長するこの制限には、世界モデル、環境ダイナミクスの予測モデル、アクション生成パイプラインを統合することで対処する。
論文 参考訳（メタデータ） (2026-05-12T13:10:52Z) - The Trinity of Consistency as a Defining Principle for General World Models [106.16462830681452]
一般世界モデルは、客観的物理法則を学習し、シミュレートし、推論することができる。
本稿では,一般世界モデルに必要な基本的特性を定義するための理論的枠組みを提案する。
我々の研究は、現在のシステムの限界と将来の進歩のためのアーキテクチャ要件の両方を明確にし、一般的な世界モデルへの原則的な経路を確立します。
論文 参考訳（メタデータ） (2026-02-26T16:15:55Z) - Universally Converging Representations of Matter Across Scientific Foundation Models [5.309886698585678]
約60の科学的モデルによって学習された表現は、幅広い化学系に高度に整列していることを示す。
トレーニング中に見られるような入力について、ハイパフォーマンスモデルは密接に整列し、弱いモデルは表現空間において局所的な部分オプティマに発散する。
本研究は,科学モデルにおける基礎レベルの一般化の定量的ベンチマークとして,表現アライメントを確立した。
論文 参考訳（メタデータ） (2025-12-03T12:47:06Z) - From monoliths to modules: Decomposing transducers for efficient world modelling [74.41506965793417]
我々はトランスデューサで表される複雑な世界モデルを分解するフレームワークを開発する。
提案手法は,異なる入力出力サブ空間で動作するサブトランスデューサを導出する。
論文 参考訳（メタデータ） (2025-12-01T20:37:43Z) - SmallWorlds: Assessing Dynamics Understanding of World Models in Isolated Environments [15.243547292947397]
我々はSmallWorld Benchmarkを紹介した。これは、分離された、正確に制御された動的条件下での世界モデル能力を評価するために設計されたテストベッドである。
我々は、Recurrent State Space Model、Transformer、Diffusion Model、Neural ODEなどの代表的アーキテクチャ上で、完全に観測可能な状態空間で包括的な実験を行う。
実験結果から, これらのモデルが環境構造を効果的に把握し, ロールアウトによる予測がいかに悪化するかが明らかになった。
論文 参考訳（メタデータ） (2025-11-28T18:56:02Z) - Learning Local Causal World Models with State Space Models and Attention [1.5498250598583487]
本研究では,SSMが単純な環境のダイナミクスをモデル化し,因果モデルを同時に学習できることを示す。
我々は、SSMの強みに傾倒するさらなる実験の道を開き、因果意識でそれらをさらに強化する。
論文 参考訳（メタデータ） (2025-05-04T11:57:02Z) - Learning Discrete Concepts in Latent Hierarchical Models [73.01229236386148]
自然の高次元データから学習する概念は、ヒューマンアライメントと解釈可能な機械学習モデルの構築の可能性を秘めている。
我々は概念を階層的因果モデルを通して関連付けられた離散潜在因果変数として定式化する。
我々は、理論的な主張を合成データ実験で裏付ける。
論文 参考訳（メタデータ） (2024-06-01T18:01:03Z) - S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。
我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
論文 参考訳（メタデータ） (2020-07-13T17:44:30Z)
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。