Newest papers

Knowing When to Stop Thinking: A Dissection of Expected Free Energy as a Test-Time Compute Controller for Latent World-Model Planning

Tong Zhang, Zhiyuan Shi, Yun Peng, Tao Xie · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.28011 · cited by 0 works (OpenAlex) · open-access PDF

French

Un planificateur utilisant un modèle du monde appris peut améliorer son résultat prédit tout en choisissant une action pire. Nous étudions quand l'énergie gratuite attendue (EFE) peut aider à décider combien de calcul à dépenser sur un plan. Un objectif inspiré par l'EFE combine la distance de but avec le désaccord entre les prédictions stochastiques. Nous testons le score du candidat, l'arrêt et les mises à jour du prédicteur en ligne séparément. L'arrêt lorsque les stands de coûts d'élite réduisent le raffinement sur les tâches dont les plateaux de succès sont profonds, avec le succès moyen proche des références de profondeur fixe. Sur les poids testés plus importants, le désaccord récompensé réduit le

Machine translation (Meta M2M100); the English original follows.

Abstract

A planner using a learned world model can improve its predicted outcome while choosing a worse action. We study when expected free energy (EFE) can help decide how much computation to spend on a plan. An EFE-inspired objective combines goal distance with disagreement among stochastic predictions. We test candidate scoring, stopping, and online predictor updates separately. Stopping when elite cost stalls reduces refinement on tasks whose success plateaus with depth, with mean success close to fixed-depth references. At the larger tested weights, rewarding disagreement lowers success with a frozen model. Penalizing it helps at some task and weight settings but harms others. When training data omit a region needed to reach the goal, online updates recover part of the resulting loss. The tested cost-stall rule can fail when further optimization exploits model errors, because predicted cost keeps falling after task success peaks. Cost progress can guide computation on a plateau, but protecting performance after a peak requires information about the consequences of the chosen actions.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Task (project management), Computer science, Computation, Exploit, Outcome (game theory), Energy (signal processing)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange