面向扩散世界模型的 Dynamics Forcing

基于摘要分析。该研究针对扩散世界模型主要由逐帧重建目标塑造表征、未显式约束场景转移的问题，提出 Dynamics Forcing：在去噪的同时预测下一帧的潜表示，以引入环境动力学学习信号。原论文的主要研究对象是视觉环境模拟，而非 EEG 或 BCI。 机制上，预测目标来自观察较低噪声输入的指数移动平均（EMA）教师，使学生表征不仅服务于当前帧重建，也与后续状态关联。作者称额外成本较小，但摘要未提供计算开销测量。为区分预测方向的作用，作者设置了无辅助信号的 flow matching 基线，以及遵循 Self-Flow、预测各帧自身较干净视图的空间预测变体；具体损失形式、教师更新方式与训练配置尚未验证。 在 DMLab 初步实验中，作者报告 Dynamics Forcing 获得最佳生成质量，Fréchet Video Distance 为 55.0，对照值为 61.2；线性动作解码表现为 99.7%，对照值为 88.4%。摘要未明确这两组数值分别对应哪个对照，也未说明动作解码的具体指标定义与数据划分，不能据此扩展比较。作者还报告隐藏状态呈平滑时间梯度，且在不同网络深度与 DINOv2 特征具有更高语义对齐度。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 连续片段的潜在状态具有可预测时间结构，较低噪声教师指导的下一片段潜表示预测，可能用于补充仅重建当前片段的自监督目标。可复用的是 EMA 教师和时间预测原则；需改造信号编码、噪声过程及预测间隔。低信噪比、跨被试差异、通道变化与小数据条件可能使模型学习伪迹或局部自相关，而非任务相关状态。一个可证伪的小实验是，在相同 EEG 编码器、训练预算及按被试隔离的划分下，对比无辅助预测、片段内较干净视图预测和下一片段预测，并评估跨被试线性解码及噪声扰动下的稳定性。该迁移假设尚无本材料中的 EEG 证据，相关已有工作尚未检索确认。