ARC-Bench：闭环重新规划掩盖了 Frozen JEPA 世界模型中的损坏动作排名

arXiv:2609.05461v1 公告类型：新摘要：无奖励潜在世界模型通过对冻结潜在空间中的距离的候选动作进行评分来计划：如果预测的未来嵌入更接近目标嵌入，则该动作是首选。这默默地假设潜在的接近度是可行动排序的，即，按潜在距离对候选者进行排序与​​按真实成本对它们进行排序一致。我们直接审核这个假设。我们引入了 ARC-Bench，这是一种无泄漏、固定候选协议，用于衡量冻结的 JEPA 式目标是否正确地对候选操作进行排序，并将其应用于官方发布的跨导航和操作式控制的 JEPA-WM 检查点。这个假设在严重和结构上失败了：在官方操纵审计中，得分最高的候选人几乎总是次优的，并且在迷宫领域中也出现了相同的倒置。受控视觉主干扩展表明，当 DINOv2 被 ViT-L/ViT-G 规模的视频预训练 V-JEPA 1 和 V-JEPA 2 编码器取代时，缺陷仍然存在。出处、训练不足、预算匹配的主干控制和度量循环控制排除了无关紧要的解释。然后我们解释为什么这个缺陷一直不可见：闭环重新规划掩盖了它。当我们降低规划器的重新规划频率时，导航和操作领域的成功都会崩溃，并且通过频繁重新规划挽救的事件会因 PointMaze 第一计划诊断中严重的第一计划排名失败而丰富。因此，闭环成功率系统地夸大了冻结潜在表示的可排序性。 ARC-Bench 为围绕潜在空间规划器进行调整、摊销或重新规划的方法提供测量，并为掩蔽机制提供解释，而无需直接审核已发布的 JEPA-WM 操作排名。