实证审计：Cosmos 模型测试时搜索收益被高估

2026年11月2日，Jun Liu 等人在 arXiv 发布实证审计论文，针对 Cosmos Policy 和 RoboCasa 场景下的测试时扩展机制进行审计，指出在相关世界动作模型中，测试时搜索的收益常被高估。 审计实验显示，学习型价值选择器性能比随机选择差 1.66 个百分点，且 82% 的状态下候选结果相同；Token 剪枝仅实现 1.15 倍端到端加速，未达到预期的 1.5 倍目标。 该研究修复了规划路径中的静默渲染损坏问题，并发布了检测器、修复方案及脚本。作者强调结论仅适用于受测配置，指出未来应全面审计决策信号、效率与评估完整性链条。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。