何が起きたか

arXivは2026年10月2日、世界モデルの継続適応における知識保持を扱う論文「What Should World Models Forget? Stratified Retention for Continual Adaptation」を掲載した。論文は、環境が変化すれば以前は正しかった個別事実が誤りになり得るとして、その更新を従来の忘却指標だけで評価する問題を論じた。代わりに、不変知識の保持と環境変化の取り込みに要する観測数を分けて測る「differential retention」を提案している。

詳細

論文は、知識が真であり続ける時間尺度に応じて保持を層別化する考え方を示す。物理法則や物体の永続性のような構造的知識は劣化させずに精緻化し、環境に依存する個別事実は環境が変われば改訂する、という区別である。 提案する評価は二つの量からなる。不変知識の保持は適応ラウンドごとに確認し、改訂遅延はモデルが変化を取り込むまでに必要な観測数で表す。論文は、標準的な忘却指標だけでは正しい改訂も忘却として数え、固定されたモデルを最も高く評価し得ると指摘する。

Key Facts

論文「What Should World Models Forget? Stratified Retention for Continual Adaptation」は2026年10月2日に掲載された。[1]
提案する「differential retention」は、不変知識の保持と改訂遅延を別々に報告する。[1]
改訂遅延は、モデルが環境変化を取り込むまでに必要な観測数として定義されている。[1]
論文は、標準的な忘却指標だけでは正しい知識の改訂も忘却と数え、固定モデルを最も高く評価し得ると述べている。[1]

本紙の見方

この論文の焦点は、世界モデルが何を保持するかだけでなく、何を改訂すべきかを評価の対象にした点にある。従来の継続学習では既知データでの性能低下を忘却とみなすが、論文は予測対象が変化する環境である世界モデルには、その基準をそのまま適用できないと論じる。環境についての知識を一律に固定するのでなく、真であり続ける時間尺度によって扱いを分ける提案だ。 評価上の含意は、モデルを固定して過去の知識を保つことと、環境の変化に追随することを単一の得点で順位付けできないという点にある。論文の説明では、標準指標だけなら、正しい更新を避けた固定モデルが最良と判定される場合がある。そこで、不変知識の保持を適応ラウンドごとに確認し、変化を反映するまでの観測数を別の量として記録する。二つを分ければ、古い情報を誤って残す問題と、物理的な構造知識を損なう問題を混同せずに評価する設計になる。 この区別は、世界モデルの評価データや適応手順を組む際に、知識ごとの「変わりにくさ」をどう定義するかという課題を前面に出す。物理法則や物体の永続性は不変知識の例として挙げられる一方、環境に関する個別事実は変更対象となる。ただし、実際の知識をどの層に分類するか、その分類をどのように検証するかは、提示された要旨では具体化されていない。分類が曖昧なら、保持を評価する側の基準自体が結果を左右し得る。 したがって、この提案の実用性を判断するには、異なる環境変化の下で不変知識の保持と改訂遅延がどう測定されるか、また両者の測定が再現可能かを確認する必要がある。論文要旨は指標の構成と従来指標への問題提起を示すが、実験条件、対象モデル、具体的な測定結果は記載していない。評価枠組みとしての主張と、実装されたモデルでの有効性は分けて読むべきだ。

なぜ重要か

環境の変化を取り込む世界モデルでは、以前の事実を改訂することが必ずしも性能劣化ではない。論文の指標は、不変知識の保持と変化への追随を別々に見るため、モデル評価で「過去を保つ能力」と「古い情報を更新する能力」を区別する根拠になる。