ARC-Bench：闭环重规划如何掩盖冻结JEPA世界模型的动作排序缺陷

无奖励潜在世界模型通过冻结潜在空间中的距离为候选动作评分：预测的未来嵌入越接近目标嵌入，动作越优先。这隐含假设潜在接近程度可以正确排序动作，即按潜在距离排序与按真实成本排序一致。我们直接审计这一假设，提出无泄漏、固定候选的 ARC-Bench 协议，检验冻结的 JEPA 风格目标能否正确排序动作，并用于官方发布的 JEPA-WM 检查点，覆盖导航和操控任务。假设出现严重且结构性的失效：官方操控测试中最高分候选几乎总是次优，迷宫任务也出现相同排序反转。受控视觉主干扩展表明，用 ViT-L/ViT-G 规模、经视频预训练的 V-JEPA 1 或 V-JEPA 2 替代 DINOv2 后，缺陷仍然存在。对来源、训练不足、匹配预算的主干及指标循环性的控制排除了简单解释。我们进一步解释为何问题一直被掩盖：闭环重规划弥补了它。降低重规划频率后，导航和操控任务的成功率均大幅下降；PointMaze 的首次规划诊断显示，频繁重规划挽救的任务尤其常伴随严重的首次排序失败。因此，闭环成功率会系统性高估冻结潜在表示的动作排序能力。对于通过适配、摊销或重规划绕开潜在空间规划器缺陷、却不直接检验已发布 JEPA-WM 排序能力的方法，ARC-Bench 提供了测量方式，重规划掩盖机制提供了问题解释。