World Models Continual Learning Knowledge Transfer Optimization
摘要

基础世界模型在规划与仿真中进展显著,但针对特定目标的优化常需从头开始,且知识难以迁移。本文提出VERDI框架,基于“检索非迁移”原则,通过共享推理探针构建优化指纹,将先验经验作为假设进行检索,并在冻结的目标验证器下严格验证后才纳入复用证据库。该机制还通过解决指纹矛盾来进化探针,持续优化诊断表示。实验表明,该方法大幅降低了搜索与计算成本,并显著减少了负迁移现象。

AI 推荐理由

论文核心在于通过持续验证和探针进化实现模型优化,属于自我改进与持续学习范畴。

研究机构
阿里巴巴通义实验室 清华大学
论文信息
作者 Junyu Wu, Shiqin Nie, Youyi Kou, Baohua Yin, Guocai Yao et al.
发布日期 2026-08-10
arXiv ID 2608.09537
相关性评分 9/10 (高度相关)