ARC-Bench：揭示冻结JEPA世界模型中动作排序缺陷的新基准

摘要：arXiv发布了一项关于冻结JEPA世界模型中动作排序能力的研究，提出了名为ARC-Bench的新基准测试框架。该框架通过固定候选方案协议，评估了JEPA风格的目标函数在导航和操作控制任务中的动作排序准确性。研究发现，冻结的潜在空间表示在动作排序上存在严重缺陷，顶级候选方案几乎总是次优的，而闭环重规划掩盖了这一问题。通过降低重规划频率，研究揭示了成功率的显著下降，证明了ARC-Bench在揭示潜在空间表示缺陷方面的有效性。

---

研究背景与动机

近年来，基于潜在空间的世界模型在规划与控制任务中得到了广泛应用。这些模型通过在冻结的潜在空间中评估候选动作与目标嵌入之间的距离来选择动作，假设潜在空间中的距离排序与真实成本排序一致。然而，这一假设的有效性尚未得到充分验证。

ARC-Bench框架

为了直接审计这一假设，研究团队提出了ARC-Bench，这是一个无泄漏、固定候选方案的协议，用于测量冻结的JEPA风格目标函数是否能够正确排序候选动作。该框架被应用于官方发布的JEPA-WM检查点，涵盖导航和操作控制任务。

主要发现

1. 严重缺陷：研究结果表明，冻结的潜在空间表示在动作排序上存在严重缺陷。在官方的操作控制审计中，得分最高的候选方案几乎总是次优的，而在迷宫领域也出现了同样的反转现象。
2. 视觉骨干扩展：通过控制视觉骨干的扩展，研究发现，当DINOv2被视频预训练的V-JEPA 1和V-JEPA 2编码器替换时，缺陷依然存在。
3. 闭环重规划的掩盖作用：闭环重规划掩盖了这一缺陷。当减少规划器的重规划频率时，成功率在导航和操作控制领域均显著下降，且在PointMaze的首计划诊断中，频繁重规划挽救的情节中严重首计划排序失败的比例更高。

解释与影响

ARC-Bench的测量结果揭示了冻结潜在空间表示在动作排序上的局限性，而闭环重规划则通过频繁调整掩盖了这一问题。这一发现对依赖潜在空间规划器的AI系统具有重要意义，提示需要更直接地审计和验证动作排序能力。

开发者建议

• 直接审计：在依赖潜在空间规划器的应用中，建议直接审计动作排序能力，而不仅仅依赖闭环重规划的成功率。
• 模型改进：考虑改进模型架构或训练方法，以增强潜在空间表示在动作排序上的准确性。
• 基准测试：使用ARC-Bench等基准测试框架，评估和比较不同潜在空间模型在动作排序上的性能。

---

消息来源：ArXiv AI (cs.AI) (2026-09-09)

—— 完 ——

主题标签： #ARC-Bench 关注 #JEPA 关注 #潜在空间模型 关注 #动作排序 关注 #AI规划 关注