COSTGRAD：免训练稀疏世界模型规划新方法

Yingchen Xu 与 Edward Grefenstette 提出 COSTGRAD，一种免训练、目标条件化的空间 token 选择器，用于视觉世界模型中的稀疏规划。该方法按规划代价对各输入 token 的梯度范数排序，筛选出对规划而非仅对预测重要的 token。 据作者称，这一选择过程无需额外训练，且以目标为条件。相关结果发布在 arXiv cs.LG。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。