pico-WAM评估紧凑世界动作模型反事实预测误差

2026年11月3日，arXiv发布研究pico-WAM，旨在定位控制失败源于动作生成还是轨迹评分瓶颈。该研究基于206个Push-T演示和15个训练种子进行实验。 实验结果显示，反事实分支训练将策略重启搜索覆盖优势扩大4.8个百分点；使用模拟器成本替代学习轨迹评分使覆盖率提升12.2点，效果优于纯模仿。该模型通过受控干预明确评分为有效改进目标，并提供了诊断紧凑型世界模型的可复现协议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。