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

Vietnamese

Một nhà lập kế hoạch sử dụng một mô hình thế giới đã học có thể cải thiện kết quả dự đoán của nó trong khi chọn một hành động tồi tệ hơn. Chúng tôi nghiên cứu khi dự kiến năng lượng miễn phí (EFE) có thể giúp quyết định bao nhiêu tính toán để chi tiêu trên một kế hoạch. Một mục tiêu lấy cảm hứng từ EFE kết hợp khoảng cách mục tiêu với sự bất đồng giữa các dự đoán stochastic. Chúng tôi kiểm tra điểm số ứng cử viên, dừng lại, và các bản cập nhật dự đoán trực tuyến riêng biệt. Dừng lại khi các cửa hàng chi phí ưu tú làm giảm sự tinh tế trong các nhiệm vụ có thang điểm thành công với chiều sâu, với thành công trung bình gần các tham chiếu độ sâu cố định. Tại các trọng lượng được thử nghiệm lớn hơn, sự bất đồng thưởng làm giảm thành công với một mô hình đóng băng. Trừng phạt nó giúp

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