arXiv cs.RO· Tong Zhang, Zhiyuan Shi, Yun Peng, Tao Xie·· 3 小时前AI 评分44
用期望自由能控制世界模型规划的测试时计算量：何时停止思考
Knowing When to Stop Thinking: A Dissection of Expected Free Energy as a Test-Time Compute Controller for Latent World-Model Planning
AI 导读
研究探讨了期望自由能（EFE）能否决定基于学习世界模型的规划该投入多少计算量，其目标函数结合目标距离与随机预测的分歧。实验发现，精英代价停滞时停止可减少精修且平均成功率接近固定深度参考；冻结模型下奖励分歧会降低成功率，而在线更新能部分恢复训练数据缺失区域造成的损失。代价停滞规则在优化利用模型误差时会失效，预测代价在任务成功率见顶后仍持续下降。
来源：arXiv cs.RO · arxiv.org