論文の概要: Beyond Next-Screen Prediction: The Decision Value of GUI World Models

• arxiv url: http://arxiv.org/abs/2610.24372v1
• Date: Sat, 17 Oct 2026 02:03:20 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:48:05.46536
• Title: Beyond Next-Screen Prediction: The Decision Value of GUI World Models
• Title（参考訳）: 次世代予測を超えて:GUIワールドモデルの決定価値
• Abstract要約: これらの予測を解釈する評価器からではなく,予測自体から得られる利益の量について検討する。 DAR(Direct Action Ranking)を導入し、将来の画面を生成することなく、参照アクションから学習して候補をスコアする。 DARは3つの提案者の間でAndroidWorldタスクの成功を5.8-16.4ポイント改善し、ワールドモデルのルックアヘッドを上回り、ゼロショットを目に見えないアプリに転送する。
• 参考スコア（独自算出の注目度）: 8.509629317416609
• License:
• Abstract: GUI world models are increasingly used to improve action selection by predicting the consequences of candidate actions, but it is unclear how much of the resulting gain comes from prediction itself rather than from the evaluator that interprets those predictions. We study this attribution problem through controlled interventions on GUI action selection. With candidates and predictions held fixed, lookahead gains can change with how the prediction is presented to the evaluator, so end-to-end gains cannot be attributed to prediction alone. We then introduce Direct Action Ranking (DAR), which learns from reference actions to score candidates without generating future screens, and compare it with a prediction-augmented variant under matched supervision. Predicted successors add no detectable ranking signal once evaluation is learned directly. Without retraining, DAR improves AndroidWorld task success by 5.8--16.4 points across three proposers, outperforms world-model lookahead, and transfers zero-shot to unseen apps, where every prediction-conditioned configuration falls below proposer confidence. These results suggest that GUI world models should be evaluated by their decision value, the incremental action-selection value of their predictions beyond a strong direct evaluator, rather than by prediction fidelity or end-to-end lookahead gain alone.
• Abstract（参考訳）: GUIワールドモデルは、候補行動の結果を予測することで、アクション選択を改善するためにますます利用されているが、その結果得られる成果が、これらの予測を解釈する評価者からではなく、予測そのものから得られるものなのかは定かではない。 本稿では,GUI行動選択に対する制御的介入による帰属問題について検討する。 候補と予測が固定されている場合、予測が評価者にどのように提示されるかによって、ルックアヘッドゲインが変化する可能性があるため、エンドツーエンドゲインは予測のみに帰属することができない。 次に、DAR(Direct Action Ranking)を導入し、将来の画面を生成することなく、参照アクションから学習して候補を評価する。 予測された後継者は、評価が直接学習されると、検出可能なランキング信号を追加しない。 再トレーニングなしでは、DARは3つのプロジェクタでAndroidWorldタスクの成功率を5.8-16.4ポイント改善し、ワールドモデルルックアヘッドを上回り、ゼロショットを未確認アプリに転送する。 以上の結果から,GUIの世界モデルの評価は,予測精度やエンドツーエンドのルックアヘッドゲインのみではなく,強い直接評価値を超えて,その予測の漸進的な行動選択値である決定値によって評価されるべきであることが示唆された。

関連論文リスト

• CivWorldBench: Evaluating Language World Models in Structured Multi-Agent Sandbox Worlds [54.553784788457484]
  マルチエージェント戦略ゲームエンジン上に構築されたベンチマークであるCivWorldBenchを紹介する。 475の世界の1,900の意思決定ポイントは、関連予測、信念推論、介入予測という3つのタスクレベルをサポートする。 複合ベンチマークスコアは、一致したモデルパネル上の現実の予測リーダーボードと相関する。
  論文  参考訳（メタデータ） (2026-10-12T09:16:29Z)
• Action-Consequence Alignment for Reliable Planning and Self-Improving in Latent World Models [50.093046379641315]
  学習された世界モデルが類似した行動結果対応を維持しているかどうかを検討する。 その結果、近くの代替手段は、記録された目標から遠く離れた物理的結果を生み出すにもかかわらず、より低い予測誤差を得られることが示された。 これらの結果は、予測学習と信頼性プランニングをブリッジする実践原則として、アクション・エフェクト・アライメントを支援する。
  論文  参考訳（メタデータ） (2026-10-03T14:12:16Z)
• Recommendation World Models for Future-State Control [53.191633845200876]
  我々は、訓練されたランク付け者が将来の結果についての意思決定を支援する方法について研究する。 UA-TWM(UA-TWM)は,近傍のスレート動作を構成するユーティリティアンコールなワールドモデルインタフェースである。 本研究は,MovieLens-25MとKuaiRand-Pureにおける12の逐次バックボーン間の移動と,KuaiSimにおけるターゲット指向インタラクションの繰り返しを評価する。
  論文  参考訳（メタデータ） (2026-09-25T02:37:48Z)
• Discriminative World Models for Web Agents [52.31107486410659]
  最近のWebエージェントは、テストタイムアクションの選択に世界モデルを使用し、候補アクションをサンプリングし、結果のWeb状態を予測し、ランキングモデルまたはプロセスリワードモデル(PRM)でランキングする。 予測状態マッチング(英: predict-state matching)は、予測された表現が真の結果状態と、代替行動によって到達した状態とを区別しなければならない訓練目的である。 提案手法は,WebPRMBench上でのPRMスタイルのアクションランキングを改善する。
  論文  参考訳（メタデータ） (2026-09-02T17:59:40Z)
• Future-as-Label: Scalable Supervision from Real-World Outcomes [0.0]
  時が自由な監督を生み出す: 現実の出来事に関する予測は、検証可能な結果に解決する。 我々は、実世界の予測に時間をかけて検証可能な報酬で強化学習を拡張した。 我々は、因果的にマスキングされた情報から確率予測を行うために言語モデルを訓練する。
  論文  参考訳（メタデータ） (2026-01-09T22:15:12Z)
• Making Decisions under Outcome Performativity [9.962472413291803]
  我々は、新しい最適性の概念、パフォーマンス的全予測を導入する。 性能的全予測器は、最適な決定ルールを同時に符号化する単一の予測器である。 本研究では,性能予測の自然な制約の下で,効率的な性能予測器が存在することを示す。
  論文  参考訳（メタデータ） (2022-10-04T17:04:47Z)
• What Should I Know? Using Meta-gradient Descent for Predictive Feature Discovery in a Single Stream of Experience [63.75363908696257]
  計算強化学習は、未来の感覚の予測を通じて、エージェントの世界の知覚を構築しようとする。 この一連の作業において、オープンな課題は、エージェントがどの予測が意思決定を最も支援できるかを、無限に多くの予測から決定することである。 本稿では,エージェントが何を予測するかを学習するメタ段階的な降下過程,(2)選択した予測の見積もり,3)将来の報酬を最大化するポリシーを生成する方法を紹介する。
  論文  参考訳（メタデータ） (2022-06-13T21:31:06Z)
• Selective Prediction via Training Dynamics [31.708701583736644]
  本研究では,モデルのトレーニング力学を学習することで,最先端の選択的予測性能が得られることを示す。 特に、トレーニングの後半段階で最終予測と大差ないデータポイントを拒否する。 提案された拒絶機構はドメインに依存しない(すなわち、離散予測と実数値予測の両方に有効)、既存の選択的予測手法と柔軟に組み合わせることができる。
  論文  参考訳（メタデータ） (2022-05-26T17:51:29Z)
• Learning to Predict Trustworthiness with Steep Slope Loss [69.40817968905495]
  本研究では,現実の大規模データセットにおける信頼性の予測問題について検討する。 我々は、先行技術損失関数で訓練された信頼性予測器が、正しい予測と誤った予測の両方を信頼に値するものとみなす傾向があることを観察する。 そこで我々は,2つのスライド状の曲線による不正確な予測から,特徴w.r.t.正しい予測を分離する,新たな急勾配損失を提案する。
  論文  参考訳（メタデータ） (2021-09-30T19:19:09Z)
• PLAN-B: Predicting Likely Alternative Next Best Sequences for Action Prediction [4.671890135032435]
  我々は、上位の予測だけでなく、精度@kメトリックの上位の代替品を予測する能力の観点から、アクション予測を再検討する。 提案手法は,行動予測のための新しい手法であるPLAN-Bで,最も可能性の高い代替候補の集合を自動的に見つけ出す。 我々のシステムはベンチマークデータセットで最先端の結果より優れていることを実証する。
  論文  参考訳（メタデータ） (2021-03-29T23:16:14Z)
• How to "Improve" Prediction Using Behavior Modification [0.0]
  データサイエンス研究者は予測を改善するアルゴリズム、モデル、アプローチを設計する。 より大きく、よりリッチなデータによって予測精度が向上する。 プラットフォームは、予測値に向かってユーザの振る舞いをプッシュすることで、より正確な予測精度を秘かに達成することができる。 我々の導出は、データ科学者、プラットフォーム、顧客、そして行動が操作される人間に対して、そのような行動修正がもたらす影響を解明する。
  論文  参考訳（メタデータ） (2020-08-26T12:39:35Z)

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。