OMC学习方法提升世界模型轨迹一致性

针对世界模型中轨迹一致性评估的“算子盲视”问题，研究人员提出算子失配对比（OMC）学习方法及配套评估协议。该方法引入“有效但算子错误”的轨迹作为语义难负样本，旨在直接测量世界相对一致性。 在合成基准测试中，OMC 将算子敏感评分提升至远超随机基线的水平。该方法可用作辅助一致性评分器，无需替换现有生成模型，可直接附加于现有的世界模型表示之上。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。