🤖 machine learning

Certified World Models: Predictability Across Configuration, Horizon, and Resolution

यह शोध पत्र इक्विवैरिएंट लेटेंट वर्ल्ड मॉडल्स (equivariant latent world models) के लिए एक कंप्यूट करने योग्य प्रेडिक्टेबिलिटी सर्टिफिकेट (predictability certificate) प्रस्तुत करता है जो कॉन्फ़िगरेशन, होराइजन और रेज़ोल्यूशन में रोलआउट त्रुटियों को सीमित करने के लिए सिमेट्री (symmetry) का लाभ उठाता है, यह प्रदर्शित करते हुए कि सटीक इक्विवैरिएंस (exact equivariance) इनवेरिएंट एरर सुनिश्चित करती है जबकि अनुमानित इक्विवैरिएंस (approximate equivariance) विश्वसनीय निर्णय लेने के लिए मार्गदर्शन हेतु लयापुनोव स्पेक्ट्रा (Lyapunov spectra) के माध्यम से होराइजन एस्टीमेशन (horizon estimation) की अनुमति देती है।

मूल लेखक: Hongbo Wang

प्रकाशित 2026-07-03

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hongbo Wang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ "सर्टिफाइड वर्ल्ड मॉडल्स" (Certified World Models) पेपर का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ विवरण दिया गया है।

मुख्य विचार: स्केल बनाम स्ट्रक्चर (Scale vs. Structure)

कल्पना कीजिए कि आप मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं।

"स्केल" (Scale) दृष्टिकोण: आप एक विशाल कंप्यूटर को पिछले मौसम का इतना अधिक डेटा देते हैं कि वह इस बात का अंदाज़ा लगाने में बहुत माहिर हो जाता है कि आगे क्या होगा यदि मौसम बिल्कुल पिछले समय जैसा ही दिखता है। यह उस छात्र की तरह है जिसने टेक्स्टबुक के हर उत्तर को रट लिया है। यदि आप उससे ऐसा प्रश्न पूछते हैं जो किताब से थोड़ा अलग है, तो वह गलत हो सकता है। यह पेपर इसे "इंटरपोलेशन खरीदना" (buying interpolation) कहता है। यह ज्ञात डेटा के दायरे के भीतर तो अच्छा काम करता है, लेकिन उस दायरे के बाहर कोई गारंटी नहीं देता।
"स्ट्रक्चर" (Structure) दृष्टिकोण: केवल डेटा रटने के बजाय, आप कंप्यूटर को भौतिकी के नियम (जैसे गुरुत्वाकर्षण या समरूपता/Symmetry) सिखाते हैं। उदाहरण के लिए, आप उसे बताते हैं, "यदि मैं इस दृश्य को 90 डिग्री घुमाता हूँ, तो भौतिकी के नियम नहीं बदलेंगे।" यह पेपर इसे "एक सर्टिफिकेट खरीदना" (buying a certificate) कहता है।

मुख्य दावा: यदि आप सही संरचनात्मक नियमों (समरूपता) के साथ एक मॉडल बनाते हैं, तो आप गणितीय रूप से सिद्ध (प्रमाणित) कर सकते हैं कि यह उन स्थितियों में भी सही ढंग से काम करेगा जिन्हें इसने पहले कभी नहीं देखा है। आपको इसे हर संभावित परिदृश्य पर टेस्ट करने की ज़रूरत नहीं है; आपको बस कुछ बुनियादी नियमों की जाँच करनी है, और गणित बाकी चीज़ों की गारंटी देता है।

सर्टिफिकेट के तीन अक्ष (The Three Axes of the Certificate)

लेखक कहते हैं कि यह "सर्टिफिकेट" एक साथ तीन चीज़ों को कवर करता है:

कॉन्फ़िगरेशन (क्या - The "What"): एक रुबिक क्यूब की कल्पना करें। यदि आप जानते हैं कि एक फेस (face) को कैसे हल करना है, और आप क्यूब के घूमने के नियमों को जानते हैं, तो आप स्वतः ही किसी भी घुमाव के संयोजन को हल करना जान जाते हैं, भले ही आपने वे संयोजन पहले न देखे हों। पेपर सिद्ध करता है कि यदि मॉडल समरूपता (symmetry) का सम्मान करता है, तो केवल कुछ बुनियादी मूव्स (generators) की जाँच करना यह गारंटी देता है कि यह सभी संभावित संयोजनों (पूरे मोनॉइड) के लिए काम करेगा।
होराइजन (कितनी देर तक - The "How Long"): आप भविष्य में कितनी दूर तक भविष्यवाणी कर सकते हैं?
- अराजक प्रणालियों (chaotic systems) में (जैसे मौसम), त्रुटियाँ तेज़ी से बढ़ती हैं। पेपर दिखाता है कि "सर्टिफिकेट" आपको ठीक-ठीक बताता है कि आप भविष्यवाणी पर कब तक भरोसा कर सकते हैं इससे पहले कि वह बेकार हो जाए। यह भविष्यवाणी पर लगे "बेस्ट बिफोर" (उपयोग की अंतिम तिथि) लेबल की तरह है।
- यदि कोई चीज़ पूरी तरह से संरक्षित (conserved) है (जैसे घर्षण रहित प्रणाली में ऊर्जा), तो सर्टिफिकेट कहता है कि आप इसे हमेशा के लिए भविष्यवाणी कर सकते हैं।
रेज़ोल्यूशन (कितना विस्तृत - The "How Detailed"): आपकी भविष्यवाणी को कितने सटीक होने की आवश्यकता है? यदि आपको केवल एक मोटा अनुमान चाहिए, तो सर्टिफिकेट लंबे समय तक चलता है। यदि आपको मिलीमीटर-सटीक सटीकता चाहिए, तो सर्टिफिकेट जल्दी समाप्त हो जाता है।

पेपर के प्रमुख रूपक (Key Analogies)

1. "ऑर्बिट-फ्लैट" (Orbit-Flat) गारंटी

कल्पना कीजिए कि आप एक पूरी तरह से सपाट, गोलाकार ट्रैक पर चल रहे हैं।

गैर-इक्विवैरिएंट मॉडल (स्केल - Non-Equivariant Model): यह ट्रैक के एक विशिष्ट स्थान पर अच्छी तरह चलना सीखता है। यदि आप इसे दूसरे स्थान पर ले जाते हैं, तो यह लड़खड़ा जाता है क्योंकि इसने ट्रैक के आकार को नहीं सीखा, बल्कि केवल उस विशिष्ट ज़मीन को सीखा जिस पर यह खड़ा था।
इक्विवैरिएंट मॉडल (स्ट्रक्चर - Equivariant Model): यह ट्रैक के गोलाकार आकार को सीखता है। क्योंकि ट्रैक एक पूर्ण वृत्त है, मॉडल जानता है कि बिंदु A पर चलना बिंदु B पर चलने के समान ही है, बस वह घूम गया है। पेपर सिद्ध करता है कि यदि मॉडल इस तरह बनाया गया है, तो पूरे सर्कल में इसकी त्रुटि "फ्लैट" (flat) होगी। इससे कोई फर्क नहीं पड़ता कि आप कहाँ से शुरू करते हैं; प्रदर्शन की गारंटी समान रहती है।

2. "सर्टिफिकेट" बनाम "अंदाज़ा" (The "Certificate" vs. The "Guess")

सर्टिफिकेट: एक ब्रिज इंजीनियर की कल्पना करें जो भौतिकी के नियमों का उपयोग करके भार सीमा की गणना करता है। वे कह सकते हैं, "यह पुल 10 टन भार सह लेगा।" आपको उन पर विश्वास करने के लिए 1,000 बार 10 टन के ट्रक चलाने की आवश्यकता नहीं है। गणित ही सर्टिफिकेट है।
अंदाज़ा (स्केल): कल्पना कीजिए कि एक ड्राइवर जिसने 1,000 बार 5-टन के ट्रकों के साथ पुल पार किया है। वह आश्वस्त है कि यह 5 टन भार सह लेगा। लेकिन यदि आप पूछते हैं, "क्या यह 10 टन सह लेगा?" तो उसके पास कोई प्रमाण नहीं है। वह अंदाज़ा लगा सकता है, लेकिन वह इसे सर्टिफाई नहीं कर सकता।

3. "नोएथर हिंज" (The "Noether Hinge" - क्यों समरूपता महत्वपूर्ण है)

पेपर दो ऐसे विचारों को जोड़ता है जो आमतौर पर अलग लगते हैं: समरूपता (Symmetry) (खेल के नियम) और संरक्षण (Conservation) (चीज़ें जो नहीं बदलतीं, जैसे ऊर्जा)।

रूपक: एक घूमते हुए आइस स्केटर की कल्पना करें। घूमने की समरूपता (rotation) के कारण, उनका कोणीय संवेग (angular momentum) संरक्षित रहता है (वह स्थिर रहता है)।
पेपर का अंतर्दृष्टि: लेखक सिद्ध करते हैं कि यदि मॉडल समरूपता (घूर्णन) का सम्मान करता है, तो वह स्वतः ही मात्रा (momentum) को संरक्षित करना सीख जाता है। और क्योंकि वह मात्रा संरक्षित है, मॉडल लंबे समय तक इसकी भविष्यवाणी कर सकता है (लॉन्ग होराइजन)। यह मॉडल के "आकार" को इस बात से जोड़ता है कि वह भविष्य में कितनी दूर देख सकता है।

प्रयोगों ने क्या दिखाया

लेखकों ने वास्तविक दुनिया के भौतिकी सिमुलेशन (जैसे ब्लॉकों को धकेलना, पेंडुलम को घुमाना और अराजक मौसम प्रणालियों) पर इसका परीक्षण किया:

"स्ट्रक्चर" मॉडल: भले ही यह "स्केल" मॉडल्स की तुलना में बहुत छोटा (कम पैरामीटर्स वाला) था, फिर भी इसने अनदेखी स्थितियों में पूरी तरह से काम किया। यह "ऑर्बिट-फ्लैट" था।
"स्केल" मॉडल: यह बहुत बड़ा था (एक परीक्षण में 88 गुना बड़ा) और ट्रेनिंग डेटा पर बहुत अच्छा प्रदर्शन करता था। लेकिन जैसे ही आपने इसे कुछ थोड़ा अलग (जैसे एक नए कोण से ब्लॉक को धकेलना) भविष्यवाणी करने के लिए कहा, यह बुरी तरह विफल हो गया। यह सामान्यीकरण (generalize) नहीं कर सका।
"बजट" परीक्षण: एक अराजक प्रणाली में, अपनी भविष्यवाणी को सटीक बनाए रखने के लिए आपको समय-समय पर सिस्टम की स्थिति की जाँच करनी पड़ती है (re-observation)।
- स्ट्रक्चर मॉडल को पता था कि कब जाँच करनी है (अपने सर्टिफिकेट के आधार पर)। यह अपने बजट के भीतर रहा और कभी विफल नहीं हुआ।
- स्केल मॉडल ने कब जाँच करनी है, इसके बारे में गलत अंदाज़ा लगाया। इसने या तो बहुत अधिक बार जाँच की (अपना बजट बर्बाद किया) या बहुत देर से (और विफल हो गया)।
- परिणाम: "स्ट्रक्चर" मॉडल ने गणना संबंधी बजट बचाया क्योंकि उसका सर्टिफिकेट भरोसेमंद था।

यह पेपर क्या दावा नहीं करता

यह यह दावा नहीं करता कि "स्ट्रक्चर" हमेशा कच्ची सटीकता (raw accuracy) में बेहतर होता है। कभी-कभी, एक विशाल, गैर-सममित (non-symmetrical) मॉडल ट्रेनिंग डेटा के भीतर अधिक सटीक हो सकता है।
यह सुरक्षा (safety) का वादा नहीं करता। पेपर दिखाता है कि मॉडल कुशल और भरोसेमंद है, लेकिन यह स्वीकार करता है कि यदि कंट्रोलर (रोबोट का दिमाग) खराब है, तो रोबोट अभी भी टकरा सकता है, भले ही प्रेडिक्शन मॉडल एकदम सही हो।
यह हर चीज़ पर काम नहीं करता। यदि दुनिया की भौतिकी समरूपता को तोड़ देती है (जैसे कि हवा जो केवल बाईं ओर से चलती है), तो सर्टिफिकेट धीरे-धीरे कमज़ोर हो जाता है, लेकिन यह अब पूर्ण नहीं रहता।

निचोड़ (The Bottom Line)

"स्केल इंटरपोलेशन खरीदता है; स्ट्रक्चर एक सर्टिफिकेट खरीदता है।"

यदि आप एक ऐसा मॉडल चाहते हैं जो देखे गए डेटा पर अच्छा अनुमान लगाए, तो उसे विशाल (Scale) बनाएं।
यदि आप एक ऐसा मॉडल चाहते जिसे आप सिद्ध कर सकें कि वह उस डेटा पर भी काम करेगा जिसे उसने कभी नहीं देखा, तो उसे सही नियमों (Structure) के साथ बनाएं। यह पेपर उस प्रमाण को लिखने के लिए गणित प्रदान करता है।

तकनीकी सारांश: प्रमाणित विश्व मॉडल (Certified World Models)

समस्या विवरण (Problem Statement)

आधुनिक विश्व-मॉडल अनुसंधान को अक्सर स्केल (डेटा और पैरामीटर्स का ब्रूट-फोर्स स्केलिंग) और संरचना (ज्यामितीय पूर्वधारणाओं जैसे कि समरूपता/symmetry को शामिल करना) के बीच एक प्रतियोगिता के रूप में देखा जाता है। जबकि स्केलिंग प्रशिक्षण वितरण (training distributions) पर औसत त्रुटि को कम करती है, यह विशिष्ट, अनदेखी स्थितियों के बारे में कोई गारंटी नहीं देती है। इसके विपरीत, संरचनात्मक दृष्टिकोण सैम्पल दक्षता (sample efficiency) का लक्ष्य रखते हैं, लेकिन अक्सर अपनी सामान्यीकरण क्षमताओं के बारे में कठोर, गणनीय सीमाओं (rigorous, computable bounds) की कमी होती है।

यह शोध एक पूर्वानुमान प्रमाण पत्र (predictability certificate) की आवश्यकता को संबोधित करता है: एक प्रमाणित, गणनीय क्षेत्र जो सटीक रूप से परिभाषित करता है कि एक विश्व मॉडल का व्यवहार कहाँ गारंटी के साथ स्थानांतरित (transfer) होगा। यह प्रमाण पत्र तीन लंबवत अक्षों (orthogonal axes) पर फैला होना चाहिए:

कॉन्फ़िगरेशन (Configuration): मौलिक समरूपताओं द्वारा उत्पन्न विशाल मोनॉइड (monoid) में सामान्यीकरण।
क्षितिज (Horizon): गारंटी भविष्य में कितनी दूर तक विस्तृत होती है।
रिज़ॉल्यूशन (Resolution): वह स्तर जिस पर गारंटी मान्य रहती है।

मुख्य थीसिस है: "स्केल इंटरपोलेशन (interpolation) खरीदता है; संरचना एक प्रमाण पत्र (certificate) खरीदती है।"

कार्यप्रणाली (Methodology)

1. सैद्धांतिक ढांचा (Theoretical Framework)

लेखक एक इक्विवैरिएंट लेटेंट वर्ल्ड मॉडल (equivariant latent world models) के लिए एक मास्टर थ्योरम स्थापित करते हैं जिसमें एक एनकोडर $E: \mathcal{X} \to \mathcal{Z}$ और एक एक्शन-कंडीशन्ड प्रेडिक्टर $f: \mathcal{Z} \times \mathcal{A} \to \mathcal{Z}$ शामिल है।

कॉन्फ़िगरेशन अक्ष (थ्योरम A): सटीक इक्विवैरिएंट धारणाओं (एनकोडर और प्रेडिक्टर, ग्रुप एक्शन के साथ कम्यूट करते हैं, और ग्रुप वास्तविक डायनेमिक्स की एक समरूपता है) के तहत, संपूर्ण-पाइपलाइन भविष्यवाणी त्रुटि $k$ मौलिक समरूपताओं द्वारा उत्पन्न पूरे मोनॉइड पर अपरिवर्तनीय (invariant) है। महत्वपूर्ण बात यह है कि केवल $k$ जनरेटरों की जांच करना पूरे घातांकीय (exponentially large) संयोजनों को प्रमाणित करता है।
- विपरीत (लेम्मा 2): प्रत्येक इक्विवैरिएंट टारगेट के विरुद्ध ऑर्बिट-कांस्टेंट एरर, इक्विवैरिएंट होने के समान ही है। अतः, एक अनकन्स्ट्रेंड आर्किटेक्चर संरचनात्मक रूप से इस गुण को प्रमाणित नहीं कर सकता; इसे सीखना होगा और सत्यापित किया जाना चाहिए।
क्षितिज और रिज़ॉल्यूशन अक्ष (थ्योरम B): अनुमानित इक्विवैरिएंटिटी (approximate equivariance) के लिए, दोष (defects) परिमित-समय लियापुनोव स्पेक्ट्रम (finite-time Lyapunov spectrum) के साथ प्रसारित होते हैं।
- विस्तारित चैनल ( $\lambda > 0$ ): त्रुटि घातांकीय रूप से बढ़ती है। प्रमाणित क्षितिज $T_j(\epsilon) \sim \log(1/\epsilon)/\lambda_j$ के रूप में स्केल होता है।
- न्यूट्रल चैनल ( $\lambda = 0$ ): त्रुटि रैखिक रूप से संचित होती है।
- संकुचित चैनल ( $\lambda < 0$ ): त्रुटि एक सीमित फ्लोर (floor) तक स्थिर हो जाती है।
- सटीक संरक्षण (Exact Conservation): यदि कोई चार्ज सटीक रूप से संरक्षित है ( $\eta=0$ ), तो क्षितिज असीमित है।
नोएथर हिंज (Noether Hinge - सेक्शन 4): यह शोध कॉन्फ़िगरेशन और क्षितिज अक्षों के बीच सेतु बनाता है। यह सिद्ध करता है कि संरक्षित चार्ज (slow modes) प्रतिनिधित्व सिद्धांत (representation theory) द्वारा निर्धारित विशिष्ट आइसोटिपिक ब्लॉक्स (invariant या equivariant) में निवास करते हैं। विशेष रूप से, संरक्षित स्केलर चार्ज इनवेरियंट ब्लॉक ( $\ell=0$ ) में रहते हैं, जबकि संरक्षित वेक्टर चार्ज (जैसे कोणीय संवेग) इक्विवैरिएंट ब्लॉक्स ( $\ell=1$ ) में रहते हैं और उन्हें विशिष्ट बहुपद डिग्री (जैसे डिग्री-2 क्रॉस प्रोडक्ट्स) की आवश्यकता होती है।
क्रियात्मक प्रमाण पत्र (Actionable Certificates - थ्योरम B' और प्रपोजिशन):
- थ्योरम B': एक कोन/अनुकूलित-मेट्रिक प्रमाण पत्र वास्तविक डायनेमिक्स तक पहुंच के बिना, सीधे सीखे गए मॉडल के जैकोबियन फील्ड से एक सुदृढ़, पूर्व-निर्धारित प्रमाणित क्षितिज को पढ़ सकता है। यह यूनिफॉर्मली हाइपरबोलिक डायनेमिक्स पर सटीक है और अन्य स्थानों पर स्वयं को रोक लेता है (self-abstains)।
- प्रपोजिशन 9: एक गलत अनुमानित क्षितिज (जैसे, एक अतिरंजित लियापुनोव एक्सपोनेंट) सक्रिय पुन: अवलोकन (active re-observation) के लिए आवश्यक सेंसिंग बजट को रैखिक रूप से बढ़ा देता है।

2. प्रयोगात्मक डिजाइन (Experimental Design)

यह शोध लेख स्पष्ट रैंडम सीड्स और प्री-रजिस्टर्ड गेट्स का उपयोग करके CPU/1-GPU स्केल पर 30+ प्रयोगों के माध्यम से इन दावों को मान्य करता है।

प्रणालियाँ: संरचित खिलौना वातावरण (toy environments), वास्तविक भौतिकी-इंजन संपर्क डायनेमिक्स (PushT, FetchPush), अराजक प्रणालियाँ (Lorenz, Hénon, Rössler, Lorenz-96), और सार्वजनिक प्री-ट्रेन्ड वर्ल्ड मॉडल (TD-MPC2, LeWM, V-JEPA)।
तुलना: इक्विवैरिएंट मॉडल्स की तुलना स्केल किए गए नॉन-इक्विवैरिएंट बेसलाइन्स (MLPs, GRUs) और डेटा-ऑगमेंटेड बेसलाइन्स से की जाती है।
मेट्रिक्स: ऑर्बिट-फ्लैटनेस (ऑर्बिट में त्रुटि अनुपात), लियापुनोव स्पेक्ट्रम रिकवरी ( $R^2$ ), और बजटेड री-ऑब्जर्वेशन दक्षता।

मुख्य परिणाम (Key Results)

1. कॉन्फ़िगरेशन: घातांकीय प्रमाणन (Exponential Certification)

$\mathbb{Z}_2^6$ (I Ching): 6 जनरेटरों पर प्रशिक्षण 64 संयोजनों को मशीन प्रिसिजन तक प्रमाणित करता है। नॉन-इक्विवैरिएंट बेसलाइन्स संयोजन की लंबाई के साथ घटते जाते हैं।
वास्तविक संपर्क डायनेमिक्स (PushT और FetchPush): वास्तविक भौतिकी-इंजन डेटा पर, इक्विवैरिएंट मॉडल आउट-ऑफ-डिस्ट्रीब्यूशन भी सटीक ऑर्बिट-फ्लैटनेस (अनुपात 1.000) बनाए रखता है। स्केल किए गए बेसलाइन्स (160x बड़े तक) जब रोटेशन के कारण ट्रेनिंग वेज से बाहर जाते हैं, तो कई गुना (2–1000x) गिर जाते हैं।
SO(3) लिफ्ट: प्रमाण पत्र नॉन-अबेलियन समूहों (3D पॉइंट क्लाउड पर SO(3)) के लिए भी मान्य है, जो सिद्ध करता है कि परिणाम केवल अबेलियन सर्कल्स तक सीमित नहीं है।

2. क्षितिज: स्पेक्ट्रल रिकवरी और नियम

केओस रिकवरी (Chaos Recovery): Lorenz, Hénon, और Rössler पर, प्रमाणित-क्षितिज स्टेयरकेस वास्तविक लियापुनोव एक्सपोनेंट को 1–12% की सटीकता के साथ रिकवर करता है।
उच्च-आयामी संरचना: 40-D Lorenz-96 पर, एक $\mathbb{Z}_N$ -इक्विवैरिएंट साइक्लिक-कन्व मॉडल पूर्ण लियापुनोव स्पेक्ट्रम को रिकवर करता है ( $R^2 \approx 0.98$ )। एक डेंस MLP और उसी तरह प्रशिक्षित GRU पूरी तरह विफल हो जाते हैं ( $R^2 < 0$ ), जहाँ GRU उच्च आयामों पर कंडीशनल-लियापुनोव स्थिति के उल्लंघन के कारण विफल होता है।
स्केल बनाम संरचना: नॉन-इक्विवैरिएंट मॉडल को स्केल करने से इन-डिस्ट्रीब्यूशन इंटरपोलेशन में सुधार होता है, लेकिन यह उच्च-आयामी स्पेक्ट्रम या ऑर्बिट-फ्लैट गारंटी को रिकवर नहीं कर सकता।

3. क्रियाशीलता: बजट निर्णय (Actionability: Budgeted Decisions)

पुन: अवलोकन दक्षता: एक 40-D अराजक प्रणाली में, एक निश्चित सेंसिंग बजट के साथ, इक्विवैरिएंट मॉडल के निष्ठावान प्रमाण पत्र का उपयोग करने वाला एजेंट बजट को पूरा करता है (औसत 10% पूर्वानुमान उल्लंघन)। नॉन-इक्विवैरिएंट मॉडल के अतिरंजित प्रमाण पत्र का उपयोग करने वाला एजेंट ओवर-ऑब्जर्व करता है और बजट को कम कर देता है (औसत 63% उल्लंघन)।
सार्वजनिक मॉडल ऑडिटिंग: प्रमाण पत्र सार्वजनिक प्री-ट्रेन्ड मॉडल्स (TD-MPC2, LeWM, V-JEPA) का ऑडिट करने में सफल रहा। इसने सही ढंग से पहचाना कि मॉडल कब एक्सपेंसिव (कैलिब्रेटेड), न्यूट्रल (एब्स्टेन), या बायस-ड्रिवन (एब्स्टेन) है।

4. सीमाएं और ईमानदार दायरा (Limitations and Honest Scope)

इन-डिस्ट्रीब्यूशन प्रदर्शन: इक्विवैरिएंट मॉडल प्रतिस्पर्धी हैं लेकिन जरूरी नहीं कि इन-डिस्ट्रीब्यूशन में श्रेष्ठ हों; उनका लाभ उनका आउट-ऑफ-डिस्ट्रीब्यूशन गारंटी है।
क्लोज्ड-लूप कंट्रोल: FetchPush पर वास्तविक कार्य सफलता अनिर्णायक रही क्योंकि यह CEM प्लानर द्वारा मॉडल के शोषण (exploitation) के कारण था, जो प्रमाण पत्र से असंबंधित एक ज्ञात समस्या है।
अनुमानित समरूपता: प्रमाण पत्र सिमेट्री-ब्रेकिंग डिफेक्ट्स के साथ धीरे-धीरे घटता है, लेकिन इसकी एक मापी गई सीमा ( $\epsilon_{world} \approx 0.01\text{--}0.06}$ ) है जिसके बाद धारणा हानिकारक हो जाती है।
पिक्सेल इनपुट: फ्रेम एवरेजिंग रॉ पिक्सेल पर इक्विवैरिएंट प्रायर की सटीकता को न्यूट्रल बनाती है, लेकिन छोटे स्केल पर पूर्ण मल्टी-स्टेप पिक्सेल भविष्यवाणी एक खुला विषय बना हुआ है।

महत्व और दावे (Significance and Claims)

यह शोध दावा करता है कि यह एक एकल, चलाने योग्य मानदंड (Algorithm 1) प्रदान करता है जिससे यह निर्धारित किया जा सके कि एक इक्विवैरिएंट वर्ल्ड मॉडल क्या प्रमाणित रूप से भविष्यवाणी कर सकता है। इसका महत्व "बेंचमार्क रेस" से बदलकर "प्रकार की प्रतियोगिता" (kind contests) में जाने में निहित है:

अनुभवजन्य से प्रमाण योग्य तक: यह अनुभवजन्य सामान्यीकरण से आगे बढ़कर एक प्रमाण योग्य, गणनीय क्षेत्र (कॉन्फ़िगरेशन $\times$ क्षितिज $\times$ रिज़ॉल्यूशन) की ओर बढ़ता है, जो मॉडल के अपने जैकोबियन और सिमेट्री चेक से प्राप्त होता है।
संरचना एक गारंटी के रूप में: यह प्रदर्शित करता है कि संरचना एक विश्वसनीय प्रमाण पत्र खरीदती है जो पूर्व-निर्धारित (इसके लिए रोलआउट कैलिब्रेशन डेटा की आवश्यकता नहीं है) है, जबकि स्केल केवल इंटरपोलेशन खरीदता है।
संरक्षण का तंत्र: यह एक प्रतिनिधित्व-सैद्धांतिक स्पष्टीकरण (नोएथर हिंज) प्रदान करता है कि क्यों सटीक रूप से संरक्षित खगोलीय यांत्रिकी सहस्राब्दियों तक पूर्वानुमान योग्य है (इनवेरिएंट/इक्विवैरिएंट ब्लॉक्स धीमे/संरक्षित हैं) जबकि मौसम नहीं है (अराजक, विस्तारित चैनल)।
क्रियात्मक विश्वास: प्रमाण पत्र केवल वर्णनात्मक नहीं है; यह बजट निर्णय लेने (जैसे, सक्रिय पुन: अवलोकन) को सक्षम बनाता है जो अन-कैलिब्रेटेड या अतिरंजित क्षितिजों की तुलना में प्रमाणित रूप से अधिक कुशल है।

लेखक स्पष्ट रूप से कहते हैं कि यह एक मैकेनिज्म-एंड-थ्योरी पेपर है, न कि एक स्केल किया गया बेंचमार्क। इसका मुख्य योगदान मॉडल के व्यवहार की प्रमाणनीयता (certifiability) है, जो यह समझने के लिए एक संरचनात्मक पठन प्रदान करता है कि कुछ डायनेमिक्स पूर्वानुमान योग्य क्यों हैं और अन्य क्यों नहीं।