Invarian polinomial kanonik dalam diagnostik kegagalan simulator RL: di mana sebenarnya berguna?
Studi ini menguji apakah menyertakan hukum fisika dalam model dinamika yang dapat dilatih memang sepadan: invarian yang diekstrak dari lintasan dan diubah ke bentuk kanonis melalui basis Gröbner hanya sedikit meningkatkan prediksi, tetapi sangat berguna untuk diagnosis—invarian ini dapat membantu menemukan kendala yang dilanggar dan mengidentifikasi parameter spesifik yang keliru.

Invarian polinomial kanonis: ketepatan representasi
Penelitian ini menguji manfaat invarian polinomial eksak. Invarian direkonstruksi dari lintasan. Invarian direpresentasikan secara kanonis sebagai reduced Gröbner bases over Q. Representasi kanonis memungkinkan pengambilan keputusan yang eksak mengenai kesetaraan ideal dan keanggotaan.
Elemen kunci:
- rekonstruksi invarian dari lintasan;
- representasi kanonis dalam bentuk reduced Gröbner bases over Q;
- pengambilan keputusan yang eksak mengenai kesetaraan ideal dan keanggotaan.
Kriteria praktis: bentuk kanonis diperlukan ketika keputusan mengenai kesetaraan ideal atau keanggotaan harus eksak.
Penerapan berbasis residual: ketika invarian eksak tidak meningkatkan prediksi
Untuk penggunaan downstream berbasis residual, invarian polinomial eksak hanya memberikan sedikit manfaat tambahan. Pada Acrobot di Gymnasium, consistency regularisation menurunkan algebraic residuals. Namun, long-horizon rollout fidelity tidak meningkat. One-step validation error memiliki hubungan yang lebih kuat dengan long-horizon accuracy.
Pengamatan:
- consistency regularisation menurunkan algebraic residuals pada Acrobot;
- long-horizon rollout fidelity tidak meningkat;
- one-step validation error memiliki hubungan yang lebih kuat dengan long-horizon accuracy;
- potensial shaping dengan kesalahan massa hingga 100% menunjukkan efektivitas pelatihan yang serupa dengan potensial yang konsisten secara fisik.
Kriteria praktis: untuk tugas berbasis residual, one-step validation error menjadi tolok ukur yang lebih andal daripada algebraic residuals. Invarian eksak hanya memberikan sedikit manfaat tambahan untuk meningkatkan prediksi.
Diagnostik kegagalan: screening dan attribution
Manfaat utama invarian eksak yang teramati adalah diagnostik. Reference generating set menyediakan kosakata fisik yang tidak dimiliki generic two-sample tests. Diagnostik terdiri dari dua tingkat.

Screening mengidentifikasi batasan fisik yang dilanggar. Attribution merekonstruksi invarian yang keliru dan mengidentifikasi besaran parameter fisik yang bertanggung jawab. Normal-form deflation menghapus kelipatan yang trivial secara aljabar. Quotient-space recovery menghindari pemilihan nullspace berdasarkan toleransi.
Hasil pengujian:
- screening melokalisasi kelima belas kasus dengan kegagalan yang disisipkan saat tidak ada noise pengamatan;
- tidak ada positif palsu yang teramati;
- attribution mengidentifikasi besaran parameter yang bertanggung jawab dalam ketujuh kasus dengan satu parameter yang keliru;
- paired difference tests mendeteksi semua kegagalan, tetapi tidak melokalisasikannya pada tingkat batasan.
Kriteria praktis: invarian kanonis cocok untuk melokalisasi pelanggaran dan parameter yang bertanggung jawab. Keunggulan metode ini terletak pada lokalisasi, bukan deteksi.
Kriteria pemilihan: mode berbasis residual atau diagnostik
| Skenario | Kriteria pemilihan |
|---|---|
| Long-horizon rollout fidelity (Acrobot) | consistency regularisation tidak meningkatkan fidelity; tolok ukurnya adalah one-step validation error |
| Pelatihan dengan potensial shaping pada kesalahan massa hingga 100% | efektivitasnya serupa dengan potensial yang konsisten secara fisik |
| Lokalisasi batasan fisik yang dilanggar | screening melokalisasi pelanggaran; attribution mengidentifikasi parameternya |
| Deteksi kegagalan tanpa lokalisasi | paired difference tests mendeteksi kegagalan, tetapi tidak melokalisasi batasannya |
| Membutuhkan kosakata fisik untuk batasan | reference generating set menyediakannya; generic two-sample tests tidak |
Kriteria praktis: mode diagnostik dipilih untuk melokalisasi pelanggaran. Untuk skenario berbasis residual, invarian eksak hanya memberikan sedikit manfaat.
Pertanyaan yang sering ditanyakan
Bahan terkait
Semua bahan
Diagnostik bertahap agen GUI dalam analisis dasbor: benchmark DashAct
DashAct diperkenalkan sebagai tolok ukur yang terdiri atas 348 trajektori yang diverifikasi manusia, yang menguraikan kerja agen GUI dengan panel interaktif menjadi tiga tahap dan empat kondisi visual. Hasilnya menunjukkan masalah yang terus berulang dalam memprediksi tindakan dan mengaitkannya dengan target visual, serta ketergantungan respons agen pada dukungan kontekstual dan spasial.
11 November 2026
WILSON: menggabungkan tingkat pembesaran dan preparat pasien untuk analisis patomorfologi dan penyusunan laporan
Pracetak ini memperkenalkan WILSON — model vision-language yang mengodekan gambar seluruh slide dan rangkaian preparat dari satu pasien pada berbagai tingkat pembesaran, bukan hanya satu slide “terbaik”. Tanpa pelatihan lanjutan untuk tugas tertentu, model ini mengungguli model slide khusus dan berukuran lebih besar pada sejumlah metrik dengan beban komputasi yang jauh lebih rendah, sementara deskripsi diagnostiknya mendapat penilaian lebih tinggi dari para ahli patologi.
11 November 2026
AURA-Eval: cara memeriksa apakah agen LLM mengenali risiko dan mengubah langkah berikutnya
Framework ini mengevaluasi perilaku agen LLM bukan berdasarkan keputusan akhir, melainkan respons terhadap risiko di titik-titik penting: rangkaian pemanggilan alat dihentikan, lalu model harus melanjutkan penalaran dan tindakan, sementara panel juri LLM menilai deteksi risiko, karakter, dan keamanan langkah tersebut. Dalam 1.249 tugas yang dikumpulkan dari 157 rangkaian R-Judge, 20 model lebih sering melakukan tindakan tidak aman saat jalur aman tidak tersedia, dan penghapusan pengawasan sebelum eksekusi mengubah 52,3% kasus yang semula aman menjadi tidak aman.
10 November 2026