摘要：更改部署策略可能会使世界模型的不确定性失效，而同时保持物理转换机制与预测器不变。对于一步预测而言，若源域与目标域的条件机制满足 $P(Y|X)=Q(Y|X)$，则该干预可通过事前结果度量的变化 $w(X)=dQ_X/dP_X$ 来识别。在策略控制的动力学中，这一比率可分解为状态占用率与动作倾向性两部分。加权一致性校准能够将边际覆盖率迁移至目标分布；借助估计的比率 $\hat w$，有 $P_Q\{Y \in C_{\hat w}(X)\} \ge 1-\alpha-TV(Q,\hat Q) \ge 1-\alpha-E_P|w-\hat w|$。针对源域与目标域分类器的群体对数损失后悔值同样界定了该比率的误差。设 $h$ 为其截断后的目标后验，$\rho$ 为目标域先验，$\Delta(h)$ 为群体对数损失后悔，则 $E_P|w-\hat w_h| \le (1/(\rho\gamma))\sqrt{\Delta(h)/2}$。通过精确抵消，可将原本依赖于一般性几率映射界线、阶数为 $\gamma^{-2}$ 的关系改进为 $(\rho\gamma)^{-1}$。我们的实验采用已发布的 DINO 特征世界模型及 Franka 机器人的物理轨迹数据。在最严格的受控状态—动作转移条件下，普通 90% 的一致性置信集覆盖率为 55.0%，而 Oracle 校准与学习到的比率校准分别达到 91.0% 和 90.9%。所学习的代理模型与目标分布的总变差始终控制在 0.9% 以内。校准是相对于部署策略而言的：模型本身可以保持不变，而校准过程则随干预动态调整。我们使用 Lean 4 对分类器后悔分析中所用的有限支撑代数恒等式与因果恒等式进行了形式化验证，其中包括其覆盖率组合步骤。
提交历史
访问论文：
查看PDF
HTML（实验性）
TeX源代码
附加功能
音频摘要
当前浏览上下文：
参考文献与引用
Google 学术搜索
Semantic Scholar
书签
机构
arXivLabs 是一个框架，允许合作者直接在我们的网站上开发并共享新的 arXiv 功能。
无论是个人还是与 arXivLabs 合作的组织，都已认同并践行我们所倡导的开放、社区、卓越以及用户数据隐私等价值观。arXiv 致力于这些价值理念，并且只与同样秉持这些理念的合作伙伴开展合作。
您是否有一个能为 arXiv 社区创造价值的项目构想？欢迎了解更多关于 arXivLabs 的信息。