pico-WAM：评估紧凑世界动作模型的反事实预测与规划误差

pico-WAM 是一个紧凑的世界动作模型，论文用它诊断世界动作模型控制失败时瓶颈在候选生成还是轨迹评分。研究基于 206 条 Push-T 演示和 15 个训练种子，比较不同数据规模与搜索配置：反事实分支训练改善了短时域代价排序，并使策略重启搜索相对热启动搜索的覆盖优势扩大 4.8 个百分点，两种数据规模下重启均占优；用仿真器代价替换学习到的轨迹评分使覆盖率提升 12.2 个百分点，同时保留学习到的候选生成；仅在候选生成中替换仿真器状态未检测到增益。