ARC-Bench：揭示冻结JEPA世界模型动作排序缺陷
原文标题：ARC-Bench: Closed-Loop Replanning Masks Broken Action Ranking in Frozen JEPA World Models
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。
ARC-Bench是一个无泄漏、固定候选协议，用于审计冻结JEPA风格目标是否正确排序候选动作。研究发现，官方JEPA-WM检查点在操作和迷宫领域存在严重且结构性的排序失败，且该缺陷在更换视觉骨干后依然存在。研究解释缺陷被闭环重规划掩盖，降低重规划频率会导致成功率崩溃，表明闭环成功率系统性高估了冻结潜在表示的可排序性。
- 问题
- 冻结JEPA世界模型假设潜在距离可对候选动作正确排序，该假设未被直接检验。
- 方法
- 提出无泄漏固定候选协议ARC-Bench，直接审计冻结JEPA目标对候选动作的排序正确性。
- 结果
- 官方操作审计中最高分候选几乎总是次优，迷宫领域同样出现反转；降低重规划频率后成功率崩溃。
- 影响
- 闭环成功率系统性高估冻结潜在表示的可排序性，做世界模型规划时不能只看闭环指标。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ARC-Bench发现官方JEPA-WM检查点在操作任务中最高分候选动作几乎总是次优。
- •采用无泄漏、固定候选协议，直接检验潜在距离能否正确排序动作。
- •缺陷在操作和迷宫领域均出现，且换成DINOv2、V-JEPA 1/2骨干后依然存在。
- •闭环重规划掩盖了该缺陷：降低重规划频率后，导航和操作任务成功率均崩溃。
- •被频繁重规划救回的片段，富含首次规划严重排序失败的案例。
为什么重要：闭环成功率系统性高估了冻结潜在表示的可排序性，依赖该指标的世界模型评估结论需重新审视。
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。