深度分析
事件圖基底:以事件日誌與確定性重播實現可檢視的反事實推理
本文報導一種稱為「事件圖基底」(event-graph substrate)的世界模型架構:以可追加的類型化 RDF 事件日誌作為記憶,透過在選定時刻對日誌分岔並套用結構化介入詞彙進行確定性重播,來回答反事實(counterfactual)查詢。
深度分析
本文報導一種稱為「事件圖基底」(event-graph substrate)的世界模型架構:以可追加的類型化 RDF 事件日誌作為記憶,透過在選定時刻對日誌分岔並套用結構化介入詞彙進行確定性重播,來回答反事實(counterfactual)查詢。
深度分析
隨著自動駕駛系統的運作環境持續變化,原有安全規則常出現與模擬結果不符的情形。研究提出結合反事實推理與語法約束的大型語言模型迴路,能在保持文法正確的前提下,最小化調整規則,使其與觀測行為對齊。實驗顯示,此方法成功修正基線遺留的矛盾規則,提升一致性與可解釋性。