HuggingFace 每日论文Bohai Gu论文86
WorldCycle：面向长时程视频世界模型的可自验证强化学习
原标题:WorldCycle: Self-Verifiable Reinforcement Learning for Long-Horizon Video World Models
WorldCycle提出利用可逆动作循环验证长时程视频世界模型：动作序列与其逆序组合后应回到初始状态，无需人工标注即可提供监督信号。方法结合空间闭合奖励与时间一致性奖励，并发布CycleBench评估复杂动作结构下的状态回归能力。论文报告状态回归漂移最多降低44%，复合动作准确率接近基线的4倍。
为什么值得读
长时程世界模型缺少可验证的未来状态，这项工作把可逆动作转化为无标注奖励信号，直接回应训练与评测瓶颈。
标签
世界模型强化学习视频生成长时程规划可验证学习CycleBench