Training-Time Regularization for Inference-Time Monitoring-A Unified Framework for Self-Supervised World Models
Dit artikel identificeert en adresseert het "regularisatie-monitoring dilemma", een fundamenteel conflict waarbij de marginale Gaussianisering die vereist is voor de stabiele training van zelfgesuperviseerde wereldmodellen (zoals JEPA's) onbedoeld de discriminerende geometrische structuren onderdrukt die noodzakelijk zijn voor betrouwbare anomaliedetectie tijdens de inferentiefase.