实体
What Should World Models Forget? Stratified Retention for Continual Adaptation
What Should World Models Forget? Stratified Retention for Continual Adaptation
PulseAugur coverage of What Should World Models Forget? Stratified Retention for Continual Adaptation — every cluster mentioning What Should World Models Forget? Stratified Retention for Continual Adaptation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
AI代理指标无法区分适应和遗忘,开发者指出
一位开发者遇到了一个问题,他们的代理的世界模型漂移指标错误地将一个静态模型优于一个适应了变化的模型。这个问题,由论文《世界模型应该忘记什么?分层保留以实现持续适应》突出显示,发生是因为聚合指标无法区分必要的现实更新和有害的遗忘。开发者预测,未来的代理基准测试将需要报告不变回归率(事实永远不应改变)和修订延迟(应该改变的事实更新的速度)的分开分数,以及防止模型轻易被愚弄的附带修订度量。
-
新研究提出世界模型的分层保留方法
一篇新的研究论文提出了一种名为“差异保留”的方法,用于机器学习中的世界模型。与将遗忘视为失败的传统持续学习不同,这种方法承认世界模型必须适应不断变化的环境。该论文主张根据不变性时间尺度对知识保留进行分层,区分永不应修改的物理学等基本原理和应更新的实例级事实。该方法旨在通过评估世界模型修正过时信息同时保留核心不变性的能力来更好地评估它们,解决了当前指标偏向冻结模型的局限性。