論文の概要: Operator-Mismatch Contrastive Learning for World-Relative Trajectory Coherence

• arxiv url: http://arxiv.org/abs/2610.25360v1
• Date: Sun, 18 Oct 2026 16:04:29 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:29:22.667372
• Title: Operator-Mismatch Contrastive Learning for World-Relative Trajectory Coherence
• Title（参考訳）: World-Relative Trajectory Coherenceのための演算子ミスマッチコントラスト学習
• Abstract要約: 結果の失敗、オペレータの盲点を形式化し、標準評価によって体系的に隠蔽されていることを示す。 スコアラーは、現在の世界と他の世界の未来を区別しながら、ほぼ完璧な総合ランキングを得ることができる。 我々は、プロトコルが障害を検出するためにも、修正する目的のためにも、誤った演算子陰性が必要であることを証明した。
• 参考スコア（独自算出の注目度）: 3.466510324781552
• License:
• Abstract: World models are increasingly judged by how well they rank plausible futures, yet plausibility alone is the wrong target. The same scene can evolve under many latent rules, and a future that is smooth and physically valid under one rule can be incoherent under the rule actually in force. We formalize the resulting failure, operator-blindness, and show that it is systematically hidden by standard evaluation: a scorer can attain near-perfect generic ranking while separating current-world from other-world futures no better than chance. We introduce Operator-Mismatch Contrastive (OMC) learning, whose semantic hard negatives are valid-but-wrong-operator trajectories, and a matching protocol that measures world-relative coherence directly. On a controlled synthetic benchmark with in- and out-of-distribution operator parameters, across two trajectory-scoring backbones, and on feature-level external validation with CoPhy ballsCF, OMC raises operator-sensitive scoring far above a chance baseline that nonetheless achieves 0.99 generic top-1. We prove that the wrong-operator negative is necessary both for the protocol to detect the failure and for the objective to fix it, and position OMC as an auxiliary coherence signal (a trajectory-coherence scorer, not a generative model, planner, or control agent) that can be attached to existing world-model representations.
• Abstract（参考訳）: 世界モデルは、いかに高い未来をランク付けするかによってますます判断されるが、妥当性だけが間違ったターゲットである。 同じ場面は、多くの潜伏規則の下で進化しうるし、ある規則の下で滑らかで物理的に有効である未来は、実際に施行されている規則の下では不整合である。 我々は、結果の失敗、オペレータの盲点を形式化し、標準的な評価によって体系的に隠蔽されていることを示す。 本稿では,演算子-ミスマッチ整合性(OMC)学習について紹介する。 イン・オブ・オブ・ディストリビューション演算子パラメータを持つ制御された合成ベンチマークでは、2つのトラジェクトリスコーリングバックボーンにまたがって、CoPhy ballsCFによる特徴レベルの外部バリデーションでは、OCCは演算子に敏感なスコアを、それでも0.99のジェネリックトップ-1を達成している。 我々は、プロトコルが障害を検出するためにも、それを修正する目的のためにも、既存の世界モデル表現に付加可能な補助的コヒーレンス信号(トラジェクティブ・コヒーレンス・スコアラ、生成モデル、プランナー、制御エージェントではなく、トラジェクティブ・コヒーレンス・スコアラ)として位置決めする必要があることを証明した。

関連論文リスト

• MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
  MeshHealは、完全に分散化された自己修復フレームワークである。 能力にマッチしたピアレビューを2つのタイムスケールに分けている。 1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
  論文  参考訳（メタデータ） (2026-09-24T04:29:37Z)
• Bilevel Coordinated Reflection: A Game-Theoretic Approach to Multi-Agent LLM Systems [40.47928908205563]
  マルチエージェントLLMシステムは、一般的にオーケストレータを使用して、労働者のチームのためにタスクを分解し、テキストリフレクションによって改善する。 強い実証結果にもかかわらず、これらのシステムには調整、メモリ改善、外部検証の役割の統一的な説明が欠けている。 我々は,評価のための信頼ゲーティングと,断片的な静止環境に対する保証の再集計を行う。 実験では、これらのオブジェクトを環境条件付きメトリクスでインスタンス化し、予測調整法則とドリフト法則をテストする。
  論文  参考訳（メタデータ） (2026-09-02T15:50:10Z)
• Low-Rank Dynamics-Effective Latent Carriers for Counterfactual Rollout in Learned World Models [6.556150313826966]
  制御された2物体2次元衝突環境において,192次元隠れ状態の繰り返し世界モデルについて検討した。 我々は、モデルの将来的な計算を持続的かつターゲット固有の方法で変更する介入を記述するために、ダイナミックス効果を使用します。
  論文  参考訳（メタデータ） (2026-08-15T10:13:37Z)
• Sensorimotor World Models: Perception for Action via Inverse Dynamics [59.121736411156384]
  Inverse dynamics regularization で訓練されたエンド・ツー・エンドのセンサモレータ・ワールドモデルを導入する。 表現の崩壊を防ぎ、アクション整列表現を誘導する。 コンパクトで解釈可能な潜在空間を学習し、単純な2Dおよび3D制御タスク間の競合計画性能を実現する。
  論文  参考訳（メタデータ） (2026-06-18T11:25:16Z)
• Hi-WM: Human-in-the-World-Model for Scalable Robot Post-Training [54.896907620476675]
  本稿では,学習世界モデルを用いた学習後学習フレームワークを提案する。 Hi-WMは中間状態をキャッシュし、ロールバックとブランチをサポートする。 我々は、剛性と変形性のあるオブジェクト相互作用と2つのポリシーバックボーンにまたがる3つの実世界の操作タスクについて、Hi-WMを評価する。
  論文  参考訳（メタデータ） (2026-04-23T14:42:54Z)
• Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
  セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。 アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。 ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
  論文  参考訳（メタデータ） (2026-04-21T15:05:58Z)
• To Throw a Stone with Six Birds: On Agents and Agenthood [0.0]
  Six Birds Theory (SBT)は、マクロな物体を原始体ではなく誘導的閉包として扱う。 SBT内では,タイプ正当性評価を行う。 我々はこの契約を4つのチェック可能なコンポーネントを用いて有限制御システムで運用する。
  論文  参考訳（メタデータ） (2026-02-03T10:46:23Z)
• CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
  検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。 エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。 CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
  論文  参考訳（メタデータ） (2025-12-22T16:34:21Z)
• Perturbation-Invariant Adversarial Training for Neural Ranking Models: Improving the Effectiveness-Robustness Trade-Off [107.35833747750446]
  正統な文書に不可避な摂動を加えることで 敵の例を作れます この脆弱性は信頼性に関する重大な懸念を生じさせ、NRMの展開を妨げている。 本研究では,NRMにおける有効・損耗トレードオフに関する理論的保証を確立する。
  論文  参考訳（メタデータ） (2023-12-16T05:38:39Z)
• Backdoor Defense in Federated Learning Using Differential Testing and Outlier Detection [24.562359531692504]
  バックドア攻撃からFLシステムを保護するための自動防御フレームワークであるDifFenseを提案する。 提案手法は,グローバルモデルの平均バックドア精度を4%以下に低減し,偽陰性率ゼロを達成する。
  論文  参考訳（メタデータ） (2022-02-21T17:13:03Z)

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。