GuidedWAM：免训练能量引导为自动驾驶世界动作模型注入目标
原文标题：GuidedWAM: Training-Free Energy Guidance for World Action Models in Autonomous Driving
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究针对自动驾驶世界动作模型（WAM）目标固定、换目标需重训的问题，提出模型无关框架GuidedWAM，在采样阶段通过可微能量引导向冻结模型注入驾驶目标，仅需前向访问。在NAVSIM v2 hard-split上，三个公开WAM均提升1.8至3.6 EPDMS，每步采样时间增加不足10%。
- 问题
- 自动驾驶世界动作模型目标训练后固定，换目标需重训。
- 方法
- 在采样阶段用可微能量引导向冻结模型注入驾驶目标，仅需前向访问。
- 结果
- NAVSIM v2 hard-split上三个公开WAM提升1.8至3.6 EPDMS，每步采样时间增加不足10%。
- 影响
- 提供免训练的后训练控制通道，自动驾驶团队可低成本切换驾驶目标。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GuidedWAM免重训向冻结自动驾驶世界动作模型注入新目标，NAVSIM v2 hard-split上三个模型提升1.8至3.6 EPDMS
- •针对WAM目标训练后固定、换目标需重训的问题，提出模型无关的采样期能量引导框架
- •仅需对冻结模型的前向访问，用可微能量作用于采样器中间干净动作估计
- •靠采样期引导调度、逐能量归一化与速度有界修正稳定
- •三个公开WAM平均提升1.8至3.6 EPDMS（三个采样种子平均），每步采样时间增加不足10%
为什么重要：把能量引导定位为WAM训练后的实用控制通道，意味着换驾驶目标不必重训，对自动驾驶模型迭代成本有直接影响。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。