研究人员开发了一种预测和预防生成式世界模型中幻觉的方法,这些幻觉通常发生在模型在状态-动作空间的低覆盖区域偏离真实动态时。他们引入了 MMBench2,这是一个大型数据集和一个 3.5 亿参数的模型,并识别了三种幻觉模式:感知幻觉、动作边缘化幻觉和场景发散幻觉。所提出的信号可以检测这些故障,并用于指导数据收集以进行有效微调,从而能够以最少的实际轨迹适应新环境。 AI
影响 这项研究为提高生成式世界模型的可靠性和准确性提供了一个框架,有望在机器人和模拟等领域带来更强大的 AI 系统。
排序理由 该集群包含一篇详细介绍改进世界模型的发现和方法的论文。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Litmaps
- MMBench2
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →