論文の概要: World Models with Predictable Long-Horizon Marginals
- arxiv url: http://arxiv.org/abs/2609.32657v1
- Date: Sat, 26 Sep 2026 14:16:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 21:38:37.435618
- Title: World Models with Predictable Long-Horizon Marginals
- Title（参考訳）: 予測可能なロングホライゾン・マージナルを持つ世界モデル
- Abstract要約: 固定ガウス参照の復号器を学習することにより,世界モデルの定式化法則を明示する。
制御システムでは、ジョイントトランジションは条件付きアクションチャートを使用して行動占有を維持する。
- 参考スコア（独自算出の注目度）: 6.02574242789382
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate one-step predictions do not ensure that a world model's rollouts retain the data distribution. We make the model's decoded stationary law explicit by learning a decoder of a fixed Gaussian reference and constraining the behaviour-averaged transition to preserve that reference. For controlled systems, a joint transition uses a conditional action chart to preserve behaviour occupancy without requiring invariance at each fixed action. Joint state--action rotations and parallel Gaussian noise give an exactly preserving transition with a tractable conditional density. We derive an absolute convergence bound from finite initialization banks and control departure from the reference through conditional action-space divergence. Across $216$ fitted pixel checkpoints on twelve control tasks, the occupancy model with a reference mixture retains every evaluated chain at $10^5$ steps in all $36$ task--seed cells, with a rollout-minus-reference energy-statistic difference of $-0.0002\pm0.0003$ (training-seed standard error). Each of the four nonpreserving comparison arms loses chains, although the Gaussian arm is more accurate at ten steps. An offline DreamerV3 reference also achieves better short-horizon accuracy. These results distinguish three properties of a world model: the distribution it approaches, the rate of approach, and the conditional dynamics it learns.
- Abstract（参考訳）: 正確なワンステップ予測は、世界モデルのロールアウトがデータの分散を維持することを保証しない。
固定ガウス参照の復号器を学習し、その参照を保存するために行動平均遷移を制約することにより、モデルの定式化法を明示する。
制御システムでは、ジョイントトランジションは条件付きアクションチャートを使用して、各固定されたアクションで不変性を必要としない振る舞いの占有を維持する。
連立状態-作用回転と平行ガウス雑音は、トラクタブルな条件密度で正確に保存される遷移を与える。
有限初期化バンクから束縛された絶対収束を導出し、条件的作用空間の発散による参照からの離脱を制御する。
12個の制御タスクに216ドル(約2万2000円)の画素チェックポイントが取り付けられ、基準混合による占有モデルは、すべての評価されたチェーンを36ドル(約3万3000円)のタスクシードセルで10^5ドル(約3万3000円)で保持し、ロールアウト・マイナス参照エネルギー統計差は-0.0002\pm0.0003ドル(トレーニングシード標準エラー)である。
4つの非保存比較アームはそれぞれチェーンを失うが、ガウスアームは10ステップでより正確である。
オフラインのDreamerV3参照は、短距離精度も向上する。
これらの結果は、それに近い分布、アプローチの速度、学習する条件力学の3つの特性を区別する。
関連論文リスト
- Beyond One-Step Accuracy: State-Affine Latent Transition for Reliable Visual Planning [53.476598858325985]
複数ステップのロールアウトエラーを個々のステップで導入したエラーに分解し,その後の遷移を通した伝播を行う。
状態-アフィンダイナミクスは、状態非依存のヤコビアンとの微分可能遷移であることを示す。
動作条件付き状態-アフィンダイナミクスモデルであるSALTを導入し、動作が状態変換と追加更新の両方を変調する。
論文 参考訳（メタデータ） (2026-09-27T14:12:27Z) - ZO-COSMO: Index-Free One-Hop Mixing for Decentralized Zeroth-Order Optimization [8.805992680570933]
平均保存マスクコンセンサスと2クエリ推定を結合したtextsfZO-COSMO を開発した。
グローバルサポートは、すべての隣のミキシングを提供し、一致した更新は、各ペア内でのみ合意を必要とする。
一致するクラス内のスカラー毎の鋭い収縮境界と、コアおよびスパースモーメント更新の収束保証を導出する。
論文 参考訳（メタデータ） (2026-09-23T01:05:56Z) - A Convergence Framework for Deep $V$-Learning: Error Propagation and Sharp Action-Gap Bounds [0.0]
更新エラーを、フィッティング、遷移再利用、ターゲット構築、リプレイ、アクション選択、探索の6つの残差に分解する。
次数$n-$の統計的誤差境界に対して、最適連続割り当てと、制約された最適値の係数2$以内の整数割り当てを導出する。
これらの結果から, FIFO/インターリーブされたSGDに対して, 厳密な動作スコアを有する固定水平生成-リセット近似-ERM法に対して, 期待されるポリシ-ロス一貫性が得られた。
論文 参考訳（メタデータ） (2026-09-16T15:03:46Z) - Drift Variation Autoencoder: Unifying Generation and Representation Learning through Conditional Posterior Flow Matching [0.0]
この研究は、条件生成の共通統計対象として対応する後続の$P(Xmid C)$を取る。
ドリフト変動オートエンコーダは、マスク付きエンコーダ$Z=E(C)$と、1つのきれいな予測フローマッチング損失を持つ条件付きフローデコーダを訓練する。
論文 参考訳（メタデータ） (2026-08-25T20:38:50Z) - The Cost of Adaptivity: Matching Lower Bounds Across Learning Problems [1.0742675209112622]
我々はスライス正規化ミニマックス比を用いてニュアンス適応を定式化する。
また、事前発表された1つのガウスクエリから任意のポストホックインスペクションへ拡張するコストを定義する。
論文 参考訳（メタデータ） (2026-08-09T17:19:11Z) - Fidelity Probes for Specification--Code Alignment [7.754687669049819]
我々は,コード由来の接地真実解を持つ参照アーティファクトから生成した自然依存問題である忠実度プローブを紹介する。
忠実度プローブは矛盾とカバレッジギャップ率に分解され、ターゲット仕様の編集を収束させる。
15のプログラムで約12kラインのベンチマークを行い、8回のイテレーションで0.63から0.94に凍結テスト仕様の忠実度を上げました。
論文 参考訳（メタデータ） (2026-05-17T04:05:54Z) - Score-Repellent Monte Carlo: Toward Efficient Non-Markovian Sampler with Constant Memory in General State Spaces [48.37754141688874]
本稿では,スコアと状態表現の次元である$Rd$のスコア評価の実行平均で履歴を要約するフレームワークを提案する。
この歴史は指数的なスコア傾きによって代理対象に変換され、歴史に基づく反発の大きさを制御する際の反発の強さを表す$$がインデックス付けされる。
連続目標モデルと離散エネルギーベースモデルの実験では、メモリ使用率を$O(d)$に抑えつつ、推定値の分散とモードカバレッジを改善した。
論文 参考訳（メタデータ） (2026-04-24T18:39:50Z) - Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。
任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。
本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
論文 参考訳（メタデータ） (2026-02-19T17:21:15Z) - Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。
累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。
主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
論文 参考訳（メタデータ） (2026-02-10T21:08:53Z) - From Continual Learning to SGD and Back: Better Rates for Continual Linear Models [50.11453013647086]
以前見られたタスクの損失を、$k$の繰り返しの後、忘れること、すなわち、分析する。
実現可能な最小二乗の設定において、新しい最上界を創出する。
我々は、タスクを繰り返しないランダム化だけで、十分に長いタスクシーケンスで破滅的な事態を防げることを初めて証明した。
論文 参考訳（メタデータ） (2025-04-06T18:39:45Z) - Optimization of Time-Dependent Decoherence Rates and Coherent Control
for a Qutrit System [77.34726150561087]
非コヒーレント制御は、特定の制御方法で時間に応じてデコヒーレンス率を決定する。
我々は、システムの最終状態$rho(T)$と与えられたターゲット状態$rho_rmターゲットとの間のヒルベルト・シュミットの重なりを最大化する問題を考察する。
論文 参考訳（メタデータ） (2023-08-08T01:28:50Z)
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。