Heejeong Nam, Divyat Mahajan, Quentin Le Lidec, Randall Balestriero, David Klindt · 2026 · arXiv
DOI: 10.48550/arXiv.2610.26844 · open-access PDF
세계 모델의 목적은 환경의 역학을 캡처하는 것입니다. 이것은 에이전트가 세계 모델의 도움으로 행동의 과정을 계획하고 시뮬레이션 할 수 있다는 큰 호소력을 가지고 있습니다. 이러한 사용이 신뢰할 수 있도록, 그러나, 배운 역학은 전문가 릴로우에서 관찰 된 특정 상태-행동 조합을 훨씬 넘어 행동해야합니다. 그럼에도 불구하고, 데이터 커버링, 역학 일반화 및 다운스트림 계획 성능 사이의 관계는 탐구되지 않습니다. 우리는 구성 일반화의 렌즈를 통해이 관계를 연구합니다.
Machine translation (Meta M2M100); the English original follows.
The goal of a world model is to capture the dynamics of an environment. This has the great appeal that it allows agents to plan and simulate a course of actions with the help of a world model. For these uses to be reliable, however, the learned dynamics must behave well beyond the specific state-action combinations observed in expert rollouts. Despite this, the relationship between data coverage, dynamics generalization, and downstream planning performance remains underexplored. We study this relationship through the lens of compositional generalization: can a world model recombine familiar st
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.26844, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange