에이전트·도구·경로·의존성이 관계로 얽힌 그래프 구조 환경에서 그래프 월드 모델(GWM)의 예측 오류가 어떻게 누적되는지 이론적으로 분석한 논문이다. 고정 엣지와 동적 엣지 롤아웃을 통합 상태-행동 전이 프레임워크로 정식화하고 토폴로지 인지 오류 한계를 도출했다. 고정 엣지에서는 장기 노드 오류가 그래프 스펙트럴 반경이 지배하는 토폴로지 요인과 레이어 스펙트럴 노름이 지배하는 모델 요인으로 분리되고, 동적 엣지에서는 특징 예측과 구조 예측 간 피드백을 포착하는 결합 노드-엣지 오류 연산자로 엣지 오류가 메시지 패싱을 증폭시키는 조건을 규명했다. 이에 기반해 스펙트럴 정규화·롤아웃 일관성·핵심 노드 가중을 결합한 Error-Aware GWM 학습 목적함수를 제안했으며, 실험에서 1스텝 정확도 손실 없이 장기 안정성을 개선했다. 그래프 월드 모델이 언제 신뢰 가능하고 언제 토폴로지 탓에 실패하는지 특성화한다.
- •그래프 구조 환경의 월드모델 롤아웃 오류를 토폴로지 인지 방식으로 최초 체계 분석
- •고정 엣지: 장기 노드 오류 = 스펙트럴 반경이 지배하는 토폴로지 요인 × 레이어 노름이 지배하는 모델 요인으로 분리
- •동적 엣지: 결합 노드-엣지 오류 연산자로 엣지 오류가 향후 메시지 패싱을 증폭하는 조건 규명
- •스펙트럴 정규화 + 롤아웃 일관성 + 핵심 노드 가중의 Error-Aware GWM 학습 목적함수 제안
- •구조가 진화하는 환경에서는 동적 엣지 학습이 필수임을 실험으로 확인
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.
Understanding Rollout Error in Graph World Models
- 1.그래프 구조 환경에서 세계모델의 장기 롤아웃 오차를 이론·실험으로 분석
- 2.고정 엣지·동적 엣지를 아우르는 통합 GWM 프레임워크와 노드-엣지 결합 연산자 제시
- 3.위상 유발 증폭과 모델 유발 증폭을 분리하는 그래프 롤아웃 한계식 도출
- 4.스펙트럴 정규화·롤아웃 일관성·임계노드 가중을 결합한 Error-Aware GWM으로 발산 방지
왜 중요한가?
에이전트·도구·경로 같은 그래프형 계획 환경에서 국소 오차가 그래프 전체로 번지는 실패 양상을 정량화하고, 구조가 변하는 동적 그래프에서 장기 계획의 발산을 막는 방법을 제시해 에이전트 플래닝의 안정성 향상에 기여한다.
언급 프로젝트
본문 미리보기
arXiv:2606.27780v1 Announce Type: new Abstract: World models are often used for planning by rolling learned dynamics forward. Many planning environments, however, are not vectors or images; they are graphs of agents, tools, skills, routes, and dependencies. In these settings, a local prediction error may stay local or spread through the graph, and the failure mode changes again when edges are predicted rather than fixed. This paper studies long-horizon rollout error in Graph World Models (GWMs)
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
