世界动作模型（WAM）的表征先验如何影响泛化能力
How Representational Priors Shape Generalization in World Action Models
AI 导读
一项 arXiv 研究分析世界动作模型（WAM）的泛化差距为何取决于其生成式骨干网络，提出以“干扰正交性”量化表征先验：先验正交性越高，WAM 训练后对视觉变化的鲁棒性越强。对鲁棒 WAM 的分析还发现“干扰抑制”现象，即扰动引起的特征位移被相对抑制，策略动作生成更稳健。
来源：arXiv cs.AI · arxiv.org