WorldCycle trainiert Video-Weltmodelle mit selbstverifizierendem RL

Forschende haben WorldCycle vorgestellt, ein Reinforcement-Learning-Framework für interaktive Video-Weltmodelle, das kumulative Fehler bei Vorhersagen über lange Zeithorizonte reduzieren soll. Die Methode bildet aus gewöhnlichen Handlungssequenzen geschlossene Handlungszyklen und nutzt die Annahme, dass eine Sequenz, gefolgt von ihrer Umkehrung, zum Ausgangszustand zurückkehren sollte, als annotationsfreie Supervision. Sie optimiert Belohnungen für räumliche Schließung und zeitliche Konsistenz, damit Handlungen als konsistente Zustandsoperatoren funktionieren, auch bei zusammengesetzten Handlungszyklen außerhalb der Trainingsverteilung.