予測か持続か：未来予測スコアが見落とすもの

- 事前学習済み video world model を robot learning の部品として選ぶ際に使われる future-prediction score の解釈性を問う研究。 - その score 単体では「予測している証拠」にならないと主張。 - score は encoder の質、近未来と直近過去の類似性、predictor 自身の寄与の3つが混ざっていると指摘。 - matched control により3要素を分離する枠組みを提案。

- 従来は future-prediction score を world model 選択の指標としてそのまま比較していた。 - 本研究は同一モデルの predictor を呼ばない persistence control を対にして差分を取る点が新しい。 - 同一の native-video V-JEPA family 内でも score と predictor 寄与が乖離することを示す。 - 単一スコアではなく persistence baseline との差を報告すべきと提案。

- household egocentric video から 27,000 の future-retrieval trials を構築。 - 各 trial で同一動画由来の11候補から真の続きを選ばせる（chance 0.091）。 - モデル自身の training criterion で zero-shot にランキング。 - 各モデルに persistence control（predictor を呼ばない同一コピー）を対にする。 - 対の差分で predictor の寄与を分離。

- 27,000 trials 上で5モデルを評価。 - V-JEPA 2.1 では predictor が top-1 を +0.291 改善。 - 同一 trials で V-JEPA 2 は +0.03〜+0.04 にとどまる。 - 5モデル全体で寄与は +0.291 から負まで幅があり、負は action-conditioned な2モデルのみ（訓練領域外での評価）。 - persistence 単独でも pretraining から期待される encoder 順序を回復し、probe が実信号を捉える傍証とする。

- future-prediction score は単独で prediction の証拠と読めない。 - score と persistence baseline の gap が解釈可能な数値になる。 - このチェックは forward pass 1回のコストで済む necessary check と位置づけ。 - 下流の有用性（planning や control 評価）の確立は別問題と明言。 - action-conditioned モデルの負の寄与は訓練領域外評価によるものと述べる。

- V-JEPA 2.1 および V-JEPA 2（本論文で比較）。 - action-conditioned な world model 2種（本論文で負の寄与、名称は要旨からは不明）。 - planning / control 評価に関する下流タスク研究（要旨で別問題として言及）。 - future-retrieval 以外の world model 評価プロトコル。