arXiv · AI· Jun Liu, Dajie Sun, Zhenglun Kong, Zhenjiang Fan, Peiyan Dong, Fan Yang, Wenbin Zhangg, Geng Yuan, Xue Lin, Yanzhi Wang, Dong Huang·· 1 天前AI 评分24
测试时搜索对世界动作模型的有效性实证审计
When Does Test-Time Search Help World Action Models? An Empirical Audit of Candidate Selection and Simulator Integrity
AI 导读
审计发现，在 Cosmos Policy 等世界动作模型中，测试时搜索的收益常被高估。 实验显示，学习型价值选择器比随机选择差 1.66 pp，82% 状态候选结果相同；Token 剪枝仅实现 1.15 倍端到端加速，未达 1.5 倍目标。 研究修复了规划路径中静默渲染损坏问题，指出应审计决策信号、效率与评估完整性链条。
来源：arXiv · AI · arxiv.org