论文《Hallucination in World Models is Predictable and Preventable》完整总结+指定章节双语翻译
一、文章核心内容总述
1. 研究背景
生成式视觉世界模型（如Dreamer4）可生成可控、高真实度的未来视频序列，但普遍存在幻觉（Hallucination）：画面流畅自然，但动力学逻辑偏离真实环境真值；幻觉会直接输入下游规划器/策略，造成机器人、强化学习任务的错误决策。过往研究多将幻觉归因于模型架构缺陷，本文提出全新核心论点：世界模型幻觉本质是状态-动作空间的数据覆盖不足问题，而非模型结构缺陷。
2. 核心研究流程
- 构建大规模多任务基准数据集MMBench2，弥补现有数据集缺少真值动作/奖励、无实时模拟器、任务单一的缺陷；
- 基于MMBench2训练3.5亿参数Dreamer4视觉世界模型，系统拆解幻觉的三类独立失效模式，分别对应模型流水线不同阶段；
- 设计3种无标注、无需额外训练的运行时幻觉预测指标，可精准预判幻觉发生位置；
- 提出两类数据驱动缓解方案：训练阶段覆盖感知采样、在线交互阶段幻觉预测驱动的好奇心探索数据采集；