arXiv · ML· Haojia Gao, Yue Cao, Yumin Liu, Haohua Que, Mingkai Liu, Guanqiu Guo, Zhuo Zou, Bokui Chen, Xueqian Wang·· 5 小时前AI 评分35
Best-of-N 对世界动作模型的提升上限：测量可选择的自由度并在闭环中实现
How Much Can Best-of-N Help a World Action Model? Measuring Selectable Headroom and Realizing It in Closed Loop
AI 导读
研究通过去噪反事实协议测得 Best-of-N 在四个世界动作模型中的可选择上限，发现标准估计会高估收益，其真实占比介于 24% 至 66% 之间。 利用共同随机数验证发现，结构化动作扰动可创造 16 个点的额外自由度，且 Cosmos Policy 中基于想象的执行结果无检测损失。 这种基于失败门控的选择器将闭环任务成功率从 76.9% 提升至 81.6%，在未知任务上也显著提高了表现。
来源：arXiv · ML · arxiv.org