論文の概要: The (Butter)fly Dream: Linear Separability of World-Model Rollouts in a Connectome-Constrained Visual Model

• arxiv url: http://arxiv.org/abs/2611.01866v1
• Date: Sun, 01 Nov 2026 12:57:05 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:38:16.696532
• Title: The (Butter)fly Dream: Linear Separability of World-Model Rollouts in a Connectome-Constrained Visual Model
• Title（参考訳）: バタフライドリーム:コネクトーム制約された視覚モデルにおける世界モデルロールアウトの線形分離性
• Abstract要約: 私たちは、ハエの脳の訓練されたモデルが、世界が夢であることを示すことを示しています。 ひとつのタスクでトレーニングされたコネクトームに制約のあるモデルが、そのタスクを超えて利用できるのかという問題として扱う。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Zhuangzi dreamt he was a butterfly and, on waking, could not tell which was the dream. We ask a version of his question of a model of the fly brain: placed inside a world generated by a world model, can a fixed brain tell that the world is a dream? We treat it as a question about what a connectome-constrained model trained on one task makes available beyond that task: do its responses make the defects of a dream linearly decodable? The observer is a published model of the fly visual system trained only for optic-flow estimation; reality is the MPI-Sintel movie on the model's 721-column retina; dreams are continuations of five real frames by three small world models (a persistence random walk, an MDN-RNN and an RSSM) at three temperatures. The judge is a classifier two-sample test on temporal statistics of cell-type responses, with sequence-level cross-validation. In the trained observer's responses all nine dreams are separable from reality (AUC 0.85-0.99, mean over 50 trained models), in those of the same network before training much less so (0.58-0.75 for the learned world models; paired difference 0.20-0.37), equally on sequences the observer never saw, and in an order unrelated to pixel error. Because these AUCs are near ceiling, we add graded probes made of each window's own real frames with only their order broken. Swapping one adjacent pair of the 14 generated frames gives 0.73 on the trained responses against 0.54 before training and 0.56 for pixel statistics; the trained curve reaches 0.75 at 1.1 swapped pairs of seven, the pixel statistics at 4.7, and the untrained network not at all. A detection horizon, the test on the first k generated frames, orders the world models where the full-length AUC saturates.
• Abstract（参考訳）: チャンジは、彼が蝶だと夢見、目を覚ますと、どちらが夢なのか分からなかった。 我々は、ハエの脳のモデルに関する彼の質問のバージョンを尋ねる:世界モデルによって生成された世界の中に置かれ、固定された脳が世界が夢であることを示すことができるか? 私たちはこれを、あるタスクでトレーニングされたコネクトームに制約のあるモデルが、そのタスクを超えて何を可能にするかについての質問として扱う。 オブザーバは光フロー推定のためにのみ訓練されたハエ視覚システムのモデルであり、現実はモデルの721カラム網膜上のMPIシンテル映画であり、夢は3つの小さな世界モデル(永続ランダムウォーク、MDN-RNN、RSSM)による5つの実フレームの連続である。 審査員は、セルタイプ応答の時間統計に関する2サンプル検定であり、シーケンシャルレベルのクロスバリデーションである。 訓練されたオブザーバーの反応では、9つの夢はすべて現実とは分離可能である(AUC 0.85-0.99、50以上の訓練されたモデル)。 これらのAUCは天井に近いので、各ウィンドウの実際のフレームで作られたグレード付きプローブを、順番が割れただけで追加します。 隣接する14個のフレームの1つのペアをスワップすると、トレーニング前の0.54に対するトレーニングされたレスポンスが0.73、ピクセル統計のための0.56、訓練された曲線が0.75、交換された7対の1.1、ピクセル統計の4.7、訓練されていないネットワークが0.75となる。 検出水平線は、最初の k 生成フレーム上でのテストであり、フル長の AUC が飽和する世界モデルである。

関連論文リスト

• Training Object Permanence in World Models [110.04493151019896]
  WROP(World Reasoning with Object Permanence)は、手作業で設計された認知科学にインスパイアされたタスク150のデータ基盤である。 我々は、各タスクの認知構造を保ちながら、速度、照明、カメラアングル、その他のニュアンスパラメータをランダム化するブレンダージェネレータを構築する。 WROPは連続モデルのうち第1位と第3位にランクされ、2つの参照対ビデオモデル間の統計的結びつきに次いでいる。
  論文  参考訳（メタデータ） (2026-09-23T18:02:12Z)
• Think Like a World Model, Act Like a VLA: Distilling World-Model Representations into Compact Robot Policies [32.5742452083821]
  将来の前進は意思決定に数秒かかり、制御ループから除外する。 世界モデルが物理的シーンについて知っていることは、その内部的な特徴の中にあり、未来を生み出すことは、それらを生み出した目的に過ぎない。 凍結した世界モデルはトレーニングフレーム上で一度実行され、キャッシュされるので、学生はそのキャッシュに同意することを学びます。
  論文  参考訳（メタデータ） (2026-09-21T14:41:08Z)
• The World Model Remembers, the Actor Forgets: Dream Rehearsal for Continual Model-Based RL [0.0]
  強化学習エージェントは、タスクシーケンスでトレーニングされたときに破滅的に忘れる。 我々は,この方式を忘れることはチャネルの問題であり,記憶の問題ではないことを示した。
  論文  参考訳（メタデータ） (2026-07-22T04:46:49Z)
• From Surface Forecasting to Observability Forecasting: A Latent World Model for Cloud-Aware EO Monitoring [0.0]
  予測アーキテクチャの世界モデルであるLeWorldModelをクラウド対応の地球観測シーケンスに適用する。 結果として得られたモデルは18.0Mのトレーニングパラメータを持ち、23,904のトレーニングエピソードでゼロからトレーニングされる。 LeWorldModelは、フルフリーズされたバンドルオブザーバビリティベンチマークにおいて、一貫して永続性を上回っている。
  論文  参考訳（メタデータ） (2026-07-15T09:52:22Z)
• Does Bielik Know What It Doesn't Know? Activation Dispersion Separates Entity Familiarity from Factual Reliability Across Model Scale [0.0]
  一つの応答トークンが生成される前にモデルのアクティベーションがエンティティの親しみを裏切るのか、その信号が回答の事実的信頼性を予測するのかを問う。 ポーランド・ビエリクの4つのモデル(1.5BBパラメータ)では、4つのエンティティドメイン(選手、都市、作家、ミュージシャン)を探索する。
  論文  参考訳（メタデータ） (2026-07-08T17:24:43Z)
• Can Machines Really See Objects in Images? A Study Based on Syntactic Distance and Visual Self-Referential Instances [53.65561607407989]
  そのような局所的な手がかりが区別の安定な基盤を提供しない場合、モデルが依然として正しく分類できるかどうかを問う。 ResNetとVision Transformersの実験では、一貫した位相遷移現象が明らかになった。 結果は、汎用インテリジェンスは、既存の言語を再利用するのではなく、新しい言語を作成する必要があることを示唆している。
  論文  参考訳（メタデータ） (2026-06-28T14:27:40Z)
• Is Your Driving World Model an All-Around Player? [107.28582946012818]
  We introduced WorldLens, a unified benchmark that measure world-model fidelity across the full spectrum。 6つの代表モデルについて評価したところ、既存のアプローチがすべての軸にわたって支配的でないことが判明した。 アルゴリズムのメトリクスを人間の知覚でブリッジするために、26,808エントリの人間注釈付き嗜好データセットであるWorldLens-26Kをコントリビュートする。
  論文  参考訳（メタデータ） (2026-05-11T17:05:49Z)
• Wow, wo, val! A Comprehensive Embodied World Model Evaluation Turing Test [62.17144846428715]
  我々は、Embodied Turing Testベンチマーク: WoW-World-Eval (Wow,wo,val)を紹介する。 Wow-wo-valは知覚、計画、予測、一般化、実行の5つのコア能力を調べる。 Inverse Dynamic Model Turing Testでは、まずIMMを用いて、実世界におけるビデオ基盤モデルの実行精度を評価する。
  論文  参考訳（メタデータ） (2026-01-07T17:50:37Z)
• Unifying Language Learning Paradigms [96.35981503087567]
  データセットやセットアップ全体にわたって普遍的に有効である事前学習モデルのための統一的なフレームワークを提案する。 本研究では, 事前学習対象を相互に配置し, 異なる対象間の補間を効果的に行う方法を示す。 また,テキスト内学習において,ゼロショットSuperGLUEで175B GPT-3,ワンショット要約でT5-XXLの性能を3倍に向上させた。
  論文  参考訳（メタデータ） (2022-05-10T19:32:20Z)
• Mastering Atari with Discrete World Models [61.7688353335468]
  本稿では,強力な世界モデルのコンパクトな潜伏空間における予測から純粋に振る舞いを学習する強化学習エージェントであるDreamerV2を紹介する。 DreamerV2は、Atariベンチマークにおいて、個別に訓練された世界モデル内での振る舞いを学習することで、55タスクの人間レベルのパフォーマンスを達成する最初のエージェントである。
  論文  参考訳（メタデータ） (2020-10-05T17:52:14Z)

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。