SCOPE：面向视频世界模型的评分隔离式Agentic优化

视频世界模型越来越多地被用作规划和具身决策的模拟器，但在推理时改进它们引入了一个微妙的评估问题：提示、采样器、验证器和选择器可能一起演化，难以归因收益或防止held-out反馈塑造最终策略。我们引入SCOPE（评分隔离的Agentic优化），一个对冻结视频世界模型进行可审计推理时适应的框架。SCOPE将外部控制表示为带类型的状态，仅通过开发证据支持的有界变更更新该状态，并在held-out评估前冻结所得策略。在Physics-IQ基准上，SCOPE相对完全相同的冻结基座提升+14.24（95% CI [+8.10, +21.23]）。受控消融进一步识别出收益来自场景规范、采样和学习式选择，而相对最强匹配Agentic基线的优势仍未有定论。跨骨干和前瞻性评估揭示了一个互补结果：有用的推理时更新存在，但其收益不能在不同模型和设置间均匀迁移。这些发现共同表明，可靠的推理时适应不仅需要更好的提案，还需要一个有原则的机制来决定哪些更新应成为部署系统的一部分。代码见 https://github.com/YuhuaJiang2002/SCOPE。