持续世界模型面临零样本知识复用瓶颈

Amir Mesbah 和 Di Wu 研究发现，持续强化学习中的世界模型在物理环境发生变化后，难以直接复用已有知识，零样本泛化效果明显下降。研究人员使用 FourRooms 任务中的 Dyna-Q 和 TD-MPC 进行实验，发现复用表现高度依赖观测表示，学习到的表示并不会自动具备跨环境知识复用所需的不变性。 研究将环境变化拆分为行为规则变化和物理条件变化，并首先考察行为规则保持不变、仅物理环境变化时的直接知识复用问题。消融实验和潜在空间诊断进一步揭示了表征泛化的局限，说明世界模型在适应新环境之前，仍面临知识迁移能力不足的挑战。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。