SCOPE: ビデオワールドモデルのためのスコア分離型エージェント最適化

SCOPE (Score-Isolated Agentic Optimization) は、凍結された video world models の推論時適応を監査可能にするフレームワークである。外部制御を型付き状態として表現し、開発エビデンスに基づく有界な変更のみで状態を更新し、評価前にポリシーを凍結することで、プロンプト・サンプラー・検証器・セレクタの共進化による評価問題を回避する。

従来の推論時適応手法は、プロンプトやサンプラーなどを同時に変更するため、性能向上の要因を特定しにくく、held-out フィードバックが最終ポリシーに影響を与える可能性があった。SCOPE は、外部制御を型付き状態として分離し、有界な変更のみを許可し、評価前にポリシーを凍結することで、監査可能性と評価の公平性を高めている点が新しい。

SCOPE は、外部制御を型付き状態として表現し、その状態を開発エビデンスに基づく有界な変更（bounded changes）でのみ更新する。具体的には、scene specification、sampling、learned selection などのコンポーネントを分離し、各変更が検証可能な形で適用される。最終的なポリシーは held-out 評価の前に凍結される。

Physics-IQ benchmark において、SCOPE は凍結ベースラインに対して +14.24（95% CI [+8.10, +21.23]）の改善を示した。さらに、controlled ablations により、scene specification、sampling、learned selection の各要素が性能向上に寄与することを確認した。また、cross-backbone および prospective evaluations を実施し、推論時更新の有効性がモデルや設定によって一様でないことを示した。

強い agentic baseline との比較では、SCOPE の優位性は未解決である。また、推論時更新の利益がモデルや設定間で一様に転移しないことが示され、信頼性の高い推論時適応には、より良い提案だけでなく、どの更新をデプロイシステムに組み込むかを決定する原理的なメカニズムが必要であると議論している。

要旨で参照されている関連研究として、agentic baseline や video world models の推論時適応に関する研究が挙げられる。具体的には、Physics-IQ benchmark を用いた研究や、推論時適応の評価問題を扱った研究が関連する。次に読むべき論文としては、video world models の推論時適応や agentic optimization に関する最近の研究が考えられるが、要旨からは特定の論文名は不明である。