Alice는 사전 정렬 오류(prior misalignment) 환경에서 규칙 설명·보상 신호·어휘 사전 없이 상호작용 증거만으로 실행 가능한 세계 모델을 학습하는 폐쇄 루프 시스템입니다. 실패한 후보 업데이트의 보존 충돌을 구조적 신호로 활용해 현재 프로그램이 혼동한 역학을 드러내고 가설 클래스를 정제합니다. Baba in Wonderland(의미 있는 규칙 레이블을 무관한 단어로 대체한 Baba Is You 변형)에서 Alice는 실행 가능한 세계 모델 학습을 크게 향상시킴을 실험으로 입증했습니다.
- •사전 정렬 오류 환경에서 규칙 설명·보상·어휘 사전 없이 상호작용만으로 세계 역학을 유도하는 문제를 다둑니다.
- •실패한 후보 업데이트의 보존 충돌을 구조적 신호로 활용해 현재 프로그램이 혼동한 역학을 드러내고 가설 클래스를 정제합니다.
- •Baba in Wonderland 바파일(Rules 레이블을 무관한 단어로 대체)에서 Alice의 실행 가능한 세계 모델 학습 향상을 실험으로 입증했습니다.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Baba in Wonderland: Online Self-Supervised Dynamics Discovery for Executable World Models
- 1.사전 불일치 환경에서 실행 가능한 세계 모델을 학습하는 Alice 시스템 소개
- 2.실패한 업데이트를 구조적 신호로 활용해 다이나믹스를 점진적으로 정제하는 접근법
- 3.Baba Is You 변형 환경에서 의미 없는 레이블만으로도 세계 모델 학습 성능 실질적 향상
왜 중요한가?
환경 사전 지식 없이 실행 가능한 세계 모델을 귀납적으로 학습하는 접근법으로, 범용 AI 에이전트의 적응성 향상에 기여한다.
언급 프로젝트
본문 미리보기
arXiv:2605.16725v1 Announce Type: new Abstract: Executable world models can be read, edited, executed, and reused for planning, but only if the program captures the environment's transition law rather than semantic shortcuts in its surface vocabulary. We study online executable world-model learning under prior misalignment, where an agent must induce state-dependent dynamics from interaction evidence alone, without rule descriptions, reward signals, or trustworthy lexical priors. We introduce A
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:12AI 초안
