JEPA4Japan · チュートリアル
JA

付録G — 再現チェックリスト

1,646文字 6分で読めます #LeWorldModel#World Models#JEPA

ソフトウェア・ハードウェア、データハッシュ、乱数シード、パラメータ数、訓練・計画予算、ベースライン、評価エピソード、失敗例、ログとチェックポイントを点検します。

コース進捗 コース目次 48レッスン中 48件を公開中

第0部　読み方ガイド：私たちは何を学ぶのか

  1. 01 第0章 — はじめる前に 公開中

第1部　世界モデル：エージェントの頭の中にある実験場

  1. 02 第1章 — なぜエージェントには「未来を想像する」力が必要なのか 公開中
  2. 03 第2章 — なぜ次の画像をそのまま予測しないのか 公開中
  3. 04 第3章 — JEPAの発想：画面の複製ではなく意味を予測する 公開中
  4. 05 第4章 — 1枚の図でLeWMを理解する 公開中

第2部　画面を状態に変える：LeWMのモデル構造

  1. 06 第5章 — 軌跡データ：モデルにとって世界は画像集ではない 公開中
  2. 07 第6章 — 視覚エンコーダー：各フレームに「状態パスポート」を発行する 公開中
  3. 08 第7章 — 動力学予測器：頭の中で時間を前へ進める 公開中
  4. 09 第8章 — 完全な順伝播：1バッチを最初から最後まで追う 公開中

第3部　モデルの抜け道を防ぐ：予測損失とSIGReg

  1. 10 第9章 — 最も危険な近道：表現崩壊 公開中
  2. 11 第10章 — 予測損失：モデルはどのように次の一歩を学ぶのか 公開中
  3. 12 第11章 — SIGRegの直感：表現空間に「呼吸」をさせる 公開中
  4. 13 第12章 — 必要最小限の数学 公開中
  5. 14 第13章 — オリジナルLeWMのエンドツーエンド学習の仕組み 公開中
  6. 15 第14章 — すぐに表現崩壊しないモデルを訓練する 公開中

第4部　モデルを行動に使う：潜在空間での計画

  1. 16 第15章 — 目標条件付き計画：「今いる場所」から「行きたい場所」へ 公開中
  2. 17 第16章 — 潜在ユークリッド距離：便利だが、常に信頼できるとは限らない 公開中
  3. 18 第17章 — CEM：勝ち抜き方式で行動を探索する 公開中
  4. 19 第18章 — MPC：モデルを一度に長く信じすぎない 公開中
  5. 20 第19章 — 長期ロールアウト：小さな誤差が大事故へ育つまで 公開中
  6. 21 第20章 — 最小のLeWMプランナーをゼロから実装する 公開中

第5部　エンジニアリング再現：論文から動くシステムへ

  1. 22 第21章 — 公式リポジトリと実験環境 公開中
  2. 23 第22章 — 最初の実験：TwoRoomのスモークテスト 公開中
  3. 24 第23章 — 2つ目の実験：PushTを再現する 公開中
  4. 25 第24章 — 世界モデルを公平に評価する方法 公開中
  5. 26 第25章 — 失敗診断マニュアル 公開中

第6部　LeWMは何を学んだのか

  1. 27 第26章 — 線形プローブ：潜在状態にはどの物理量が含まれるのか 公開中
  2. 28 第27章 — 潜在空間を「健康診断」する 公開中
  3. 29 第28章 — 期待違反：モデルは「あり得ない出来事」に驚くのか 公開中
  4. 30 第29章 — 「世界を理解する」を厳密に語るには 公開中

第7部　「予測が正確」でも「計画がうまくいかない」のはなぜか

  1. 31 第30章 — 訓練目的と計画目的のあいだにある亀裂 公開中
  2. 32 第31章 — 大域的には表現崩壊していなくても、タスクに必要な動力学が保たれるとは限らない 公開中
  3. 33 第32章 — 等方ガウス事前分布はいつ強すぎるのか 公開中
  4. 34 第33章 — 長期計画：より遠くを予測するか、より賢く計画するか 公開中
  5. 35 第34章 — 位置の距離からタスクの進捗へ 公開中
  6. 36 第35章 — マルチタスク、実ロボット、視覚的外乱 公開中
  7. 37 第36章 — 理論的な境界：真の状態はいつ同定できるのか 公開中

第8部　再現者から研究者へ

  1. 38 第37章 — 信頼できるLeWM改良実験を設計する 公開中
  2. 39 第38章 — 実行可能な12の研究課題 公開中
  3. 40 第39章 — LeWM研究の未解決問題 公開中

付録　数学・実装・再現・査読のための参照資料

  1. 41 付録A — 最低限必要な数学ツールキット 公開中
  2. 42 付録B — PyTorch実装クイックリファレンス 公開中
  3. 43 付録C — テンソル形状の完全一覧 公開中
  4. 44 付録D — 実験設定カード 公開中
  5. 45 付録E — 論文タイムラインとエビデンスレベル 公開中
  6. 46 付録F — 用語集 公開中
  7. 47 付録G — 再現チェックリスト 現在のレッスン
  8. 48 付録H — 専門家査読チェックリスト 公開中

まず大きな絵

  1. 名前を付けるversion、data、seed、episode。
  2. 別々に量るtraining と planning は別 budget。
  3. まとめて渡すlog、failure、command、checkpoint。
success score は一観測です。reproduction package は、他者が検査できる identity、procedure、raw outcome、known gap の chain です。

小さなお話：数字一枚の suitcase

researcher が 82% success とだけ書いた card を持って国境へ来ます。係員は、どの code、どの bytes、どの seed、どの planner budget、どの episode、failed run はどこ、と尋ねます。card は答えられません。

数字は正直かもしれません。ただし完全な experiment receipt ではありません。下の十 compartment を run 前、実行中、publication 前に使います。“not verified” と書いた blank は、記憶で埋めた guess より優れます。

software、data、seed、parameter、training、planning、baseline、episode、failure、raw artifact の十 compartment を持つ evidence suitcase。

完全性は inspection を助けます。hardware や nondeterministic kernel を越えた bitwise identity を約束しません。

コピーできる十 compartment の run receipt

G.1 Software と hardware

  • Paper/version、repository URL、exact SHA、local diff、launch command、behavior を変える environment variable。
  • OS、Python、framework、CUDA/cuDNN、GPU model/count/memory、precision、compilation/fused kernel、deterministic setting。
  • first-party dependency を含む lockfile / resolved environment export。LeWM core 8edfeb3 だけでは moving stable-pretraining / stable-worldmodel を凍結しません。
  • Protocol history。current v3 TwoRoom は goal offset/budget 25/50。independent audit の paper-side 100/150 は older v1/v2 history です。

G.2 Data identity と hash

  • Artifact URI/revision、download filename、cryptographic hash、license/access rule、decompression/conversion、loader が実際に読んだ exact bytes。
  • Format、field、crop/resize、normalization、fitted preprocessing split、frame skip/action grouping、history、window length/stride、invalid-window rule。
  • windowing 前の episode ID と episode-disjoint train/validation/test split。各 sampled window を一 source episode へ追跡可能にする。
  • format discrepancy を明記。frozen PushT YAML は Lance を指す一方、inspected public artifact/README path は compressed HDF5/HDF5-oriented です。

audited TwoRoom 再実装では、各 frame-skip block の dense action、programmatic action-encoder width、ImageNet pixel normalization、action z-scoring を記録します。これは TwoRoom audit fact で、universal LeWM requirement ではありません。

G.3 Seed と stochastic policy

  • split/window sampling、initialization、augmentation、dropout、loader worker、environment reset、collection policy、CEM sampling、goal selection の seed 一覧、または master seed からの exact derivation。
  • 残る nondeterminism と failed/excluded run の rule。“five seeds” だけでなく identity を保存。
  • paired noise が必要な比較では evaluation/planner seed を variant 間で pair。

G.4 Parameter と training graph

  • visual backbone、projector、action encoder、predictor、optional head ごとの total/trainable parameter count。frozen/pretrained を明記。
  • baseline v3 identity を確認。trainable visual encoder、connected shifted target、EMA teacher なし、pretrained visual encoder なし。
  • どの loss がどの parameter に届くか記録。似た total は同じ architecture/prior compute を意味しません。

G.5 Training budget

  • optimizer update、batch/context size、data window/exposure、epoch、optimizer/schedule、validation cadence、early stopping、precision、wall time/device-hours、checkpoint-selection rule。
  • pretraining data/compute、または unreported。黙って zero にしない。
  • paper/code 差を解決。named LeWM experiment は 10 epochs、frozen global maximum は 100。実際に run した composed value を archive。

G.6 Planning budget

  • candidate population、elite、refinement round、proposal initialization、action bound、model horizon、environment actions/model step、executed prefix、replanning interval、total action allowance、vectorization、per-decision latency。
  • training meter と分離。equal parameter は equal search ではなく、equal wall time は equal sampled action ではありません。
  • clock を翻訳。cited frozen card では 5 environment actions が 1 model step、horizon/executed prefix はともに 5 model steps。replan 前に full five-block sequence を実行します。

G.7 Baseline と oracle condition

  • 各 baseline の implementation/SHA、checkpoint、data/preprocessing、pretraining、capacity、training/planning budget、tuning space、同じ episode ledger。
  • random policy、behavior cloning、oracle dynamics、oracle cost の役割を明記。oracle は headroom を局所化しますが、deployable method でも learned replacement が達成可能な証明でもありません。
  • schedule/hyperparameter を evaluation 前に選んだか post hoc か。favored method だけ retune するのは matched comparison ではありません。

G.8 Evaluation episode

  • Environment/task revision、episode/start/goal ID、goal rule、count、action budget、success definition、termination/timeout/reset rule、planner seed、failure handling。
  • 必要に応じて paired start/goal/randomness を再利用。mean だけでなく per-seed/per-episode outcome、uncertainty、timeout、goal-type strata を報告。
  • headline result を読む前に episode ledger を freeze。

G.9 Failure、null、negative

  • declared selection rule で raw success/failure を保存。fixed suite の全 failure、各 seed 最初、uniform sample、preregistered strata など。
  • 最初に観測できる break を分類。data support、collapse/missing variable、action insensitivity、one-step mismatch、self-fed drift、cost misranking、CEM miss、execution/interface error、timeout。
  • frame、observation、action、predicted diagnostic、candidate cost、selected sequence、executed prefix、termination reason を時間 alignment 付きで保存。
  • null/negative ablation も archive。“ここで gain なし” はこの setup の evidence で、impossibility ではありません。

G.10 Raw archive と command record

  • Source/diff、dependency lock、command、environment variable、composed configuration、data manifest/hash、stdout/stderr、structured metric/event、checkpoint、resumption に必要な optimizer/scheduler/scaler/RNG state、episode ledger、raw prediction/action、analysis/figure script revision。
  • directory map、missing-item inventory、access restriction、not collected、lost、private、too large、available on request の意味を持つ README。
  • raw evidence（frame/action/ID/cost）、derived evidence（table/statistic）、presentation（cropped figure/video）を分離し、間を追跡可能にする。
  • clean handoff を smoke-test。checkpoint 一つを load、window 一つを episode へ trace、summary 一つを再生成。training resumption と inference を別々に test。

receipt を壊してみる

二 laboratory が同じ commit、seed、GPU、checkpoint を使い、loss も完全一致します。後で、sampler が一 episode の last frame と次 episode の first action を deterministic に pair していたと分かりました。

reproducibility は procedure を繰り返しましたが、procedure を正しくしません。episode boundary、target shift、causal visibility、action sensitivity、gradient recipient、training target と planning goal の分離を mechanical test に加えます。逆に、正しい stochastic run 二つは数値が違っても同じ distributional conclusion を支えられます。

次に二つの 80% score を考えます。一方は pretrained vision、300 candidates、30 refinements、5 seeds、same-trajectory goal。もう一方は end-to-end training、64 candidates、5 refinements、1 seed、broader goal split。equal number は equal experiment ではありません。比較前に receipt を lock します。

証拠レシート

method identity は LeWorldModel v3、frozen LeWM code、first-party dependency/artifact、TwoRoom reproduction v1 と tinylab efa9e5d に基づきます。LeWM v3 は 2026-06-03 改訂、core commit は 2026-05-22、reproduction v1 は 2026-08-10、checklist cutoff は 2026-08-20。independent reproduction は TwoRoom-only です。complete checklist は identity/gap を保存しますが、bitwise equality、unsupported data の修復、incomparable run の事後的 fairness を保証しません。

3つのクイック質問

  1. training budget と planning budget を別 meter にするのはなぜですか？
  2. data hash は何を証明し、何を未解決にしますか？
  3. stranger が guess せず一 result を再生成するには、どの artifact が要りますか？