09:21
官方一手arXiv: Google DeepMind@Achyuthan Sivasankar
推荐理由：这篇论文用实验告诉你，深的世界模型在滚动预测时不一定管用——在DeepMind Control的9个任务里，有2个反而是早退浅层更好，而且原因竟然出在训练方式上。搞模型规划的值得看看。
DeepMind Control
共 1 条相关 AI 资讯
7月14日
09:21
这篇论文在9个DeepMind Control任务上引入shallow penalty ρ来测量深度在自回归展开中的效果，发现6/9的任务中深度帮助（ρ最高达4.7倍），2/9的任务中浅层胜出（ρ低至0.85倍）。通过消融实验，反转现象（cheetah任务）被证实由训练目标造成：仅监督早期退出第一步时ρ从0.87升至1.18，而内在折中任务不受影响。ρ的部分可预测性通过观察/动作维度和单步模型误差与ρ的Spearman相关系数约0.75（n=9）展示。在CEM规划器中，ρ的符号可预测规划是否受益于深度，反转任务上浅层规划优于深层。