世界模型

DreamQAS: Learning a Decision-Useful World Model for VQE-Efficient Quantum Architecture Search

DreamQAS：面向VQE高效量子架构搜索的决策有用世界模型学习

Jiayang Niu, Yan Wang, Jie Li, Ke Deng, Azadeh Alavi, Muhammad Usman, Yongli Ren

机构 * School of Computing Technologies, RMIT University（RMIT大学计算技术学院） ； Quantum Systems, Data61, CSIRO（澳大利亚联邦科学与工业研究组织数据61分部量子系统部） 纠错

专题命中 通用世界模型 ：world model(title)；world model(title)；world-model(abstract)；world-model(abstract)

AI总结 该研究提出DreamQAS模型，以基于模型的强化学习框架实现VQE高效量子架构搜索，在多个分子任务上降低了真实VQE调用次数并提升了反事实动作排名效用。

Comments 26 pages, 4 figures, including appendices

Mirror Learning

镜像学习

Yunpeng Liu, Matthew Niedoba, Oluwanifemi A. Adekanye, Jason Yoo, Yingchen He, Berend Zwartsenberg, Frank Wood

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Inverted AI ； Amii 纠错

专题命中 通用世界模型 ：world model(abstract)；world models(abstract)；world model(abstract)；world models(abstract)

AI总结 该研究提出镜像学习框架，通过视频扩散模型的视角变换与逆动力学模型合成镜像数据，用其增强行为克隆训练可提升策略性能，为数据收集提供替代方案。

Transpiler Autotuning with Predictive Models for Quantum Circuit Optimization

基于预测模型的编译器自动调优用于量子电路优化

Piotr Malkowski, Domenik Eichhorn, Joshua Ammermann, Rinor Kelmendi, Nick Poser, Patrick Hopf, Ina Schaefer

专题命中 通用世界模型 ：predictive model(title,abstract)；predictive models(title)；分类 cs.LG

AI总结 该研究针对量子电路编译优化的固定默认配置不足问题，结合监督机器学习与自动调优，构建Qiskit编译器的预测模型，可自动选通道减少两量子比特门，效果优于Qiskit默认优化。

Comments 30 pages, 9 figures, preprint

BWM: A Low-Cost High-Fidelity World Simulator for Robot Learning

BWM：面向机器人学习的低成本高保真世界模拟器

BWM Team

专题命中 具身与机器人 ：world model(abstract,abstract_cn)；world model(abstract,abstract_cn)；分类 cs.CV、cs.RO

AI总结 本文提出面向机器人操纵的开源世界模拟器BWM，通过动作条件化自回归预测实现高保真，兼具数据引擎与策略评估器功能，在WorldArena挑战赛中表现最优并开源相关资源。

WCM: A World Critic Model for Vision-Language-Action Reinforcement Learning

WCM：用于视觉-语言-动作强化学习的世界评论者模型

Senyu Fei, Xiaopeng Yu, Siyin Wang, Xianzhong Zhao, Jingjing Gong, Xipeng Qiu

机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） 纠错

专题命中 具身与机器人 ：world model(abstract)；world model(abstract)；分类 cs.CV、cs.RO

AI总结 该研究针对视觉-语言-动作强化学习中评论者与机器人部分可观测性不匹配的问题，提出WCM模型，联合预测未来潜态与值估计，在149个仿真任务和7个真实任务上均实现最优性能与泛化性。

Auto-JEPA: A Latent World Model of Continuous Intent for End-to-End Autonomous Driving

Auto-JEPA：面向端到端自动驾驶的连续意图隐式世界模型

Jiwei Yang, Zhengxian Chen, Chaosheng Huang, Jun Li

专题命中 自动驾驶 ：world model(title,abstract)；world model(title,abstract)；world models(abstract)；driving world model(abstract)

AI总结 Auto-JEPA是面向端到端自动驾驶的连续意图隐式世界模型，通过联合嵌入预测学习未来驾驶意图，无需密集未来世界建模，在NAVSIM数据集上取得优异规划性能，可聚焦规划相关视觉特征。

Latent Lie-Poisson Neural Networks (LLPNNs): Discovering the motion of Lie-Poisson systems through observable data and latent dynamics

隐李-泊松神经网络（LLPNNs）：通过可观测量与隐动力学发现李-泊松系统的运动

Vakhtang Putkaradze

机构 * The University of Alabama（阿拉巴马大学） 纠错

专题命中 模型式强化学习 ：latent dynamics(title,abstract)；分类 cs.LG

AI总结 提出LLPNNs这一保结构框架，直接从可观测量学习李-泊松动力学，适用于正则与退化哈密顿系统，在三类系统中展现出优异预测精度与噪声鲁棒性。

Comments 70 pages, 18 figures