MHWA多时间尺度分层世界-动作模型论文发布

2026年10月14日，Pengcheng Pan等作者在arXiv人工智能板块提交发布MHWA（Multi-timescale Hierarchical World-Action model，多时间尺度分层世界-动作模型）论文。该模型通过跨步高层上下文通道降低全局上下文更新频率，以抑制自回归世界模型开环推演中的漂移累积，并借助上下文感知路由让门控网络依据全局上下文与当前观测动态重构低层专家混合。据论文报告，MHWA（77M参数）在14款Atari游戏子集、使用10%子采样离线数据、三个训练种子的条件下，取得IQM人类归一化分数（HNS）0.884，优于参数规模匹配的JOWA-70M基线（0.529），并在参数约为JOWA-150M一半、每序列训练FLOPs减少70.88%的情况下，取得与JOWA-150M数值相当的表现。上述数据均出自该论文自述，尚待独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。