策略干预下世界模型的保形校准新方法

Ayush Mittal 与 Dhruv Gupta 提出一种加权保形校准方法，用于解决部署策略变化后固定世界模型不确定性失效的问题：把边际覆盖率迁移到目标策略分布，并用域分类器的对数损失遗憾界定权重误差。 在基于已发布 DINO 特征世界模型和真实 Franka 轨迹的实验中，最强受控状态-动作偏移下，普通 90% 保形集的覆盖率为 55.0%，而 oracle 校准与学习比率校准分别达到 91.0% 和 90.9%；学习到的替代分布与目标律的总变差距离在 0.9% 以内。作者称已在 Lean 4 中机器验证分类器遗憾论证所用的有限支撑代数与因果恒等式，包括覆盖率组合步骤。

AI 根据报道生成 · 3 小时前更新