世界模型何时应信任其想象？局部经验支持度预测递归 rollout 失效

基于摘要分析。本文研究世界模型规划器递归评估想象状态时，状态偏离训练数据支持区域是否能提前预示后续预测失效，而不只是反映当前一步预测已经出错。其贡献是以学习潜空间中的平均 k 近邻距离作为局部经验支持度探针，并区分这一诊断信号的预测价值与控制干预价值。 机制与评估：作者报告，在控制当前一步误差、rollout 位置和潜变量范数后，局部支持度仍能为多个未来时间偏移处的预测失效提供额外信息。作者报告，这一关系在五个基于状态输入的 MuJoCo 任务、视觉输入、确定性残差动力学模型，以及 Dreamer 风格的循环状态空间模型（RSSM）中均得到检验。摘要未提供任务完整名单、距离计算细节、训练集划分或具体效果数值。 对照与结果：作者报告，所测试的全局分布偏移幅度指标不能捕捉这一关系；在进一步控制转移预测分歧和 Mahalanobis distance 后，局部支持度仍保留部分信息，但 Hopper 中的剩余增益明显小于 HalfCheetah。较一致的几何现象是：在所有密集的状态输入审查及每个 RSSM 随机种子实验中，与未来失效相关的想象状态都更远离训练数据支持区域。 干预边界：作者报告，支持度分数变得更有预测性时，固定支持度惩罚的控制效果反而可能变差；百分位校准也可能削弱原本有效的原始惩罚。因此，摘要支持将局部经验支持度视为前瞻性诊断信号，不能据此认定它已构成可靠的规划修正策略。全文中的失效定义、未来偏移范围、对照实现、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 潜空间模型也采用递归预测，可检验局部训练支持度能否诊断误差累积；这一假设依赖潜空间距离确实反映数据支持，而非被试或通道差异。可复用的是近邻探针，需改造的是 EEG 表征与参考样本库；低信噪比、跨被试漂移和小数据可能使距离失真。小规模验证可在固定 EEG 递归预测模型上，检验该距离在控制当前一步误差后是否仍能预测后续误差，并将惩罚干预另行评估。已有 EEG 相关工作尚未检索确认。