pico-WAM：诊断世界动作模型的控制瓶颈

Keivalya Pandya 提出紧凑世界动作模型 pico-WAM，用于诊断世界动作模型控制失败时瓶颈出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。作者称，这些受控干预在测试设定中把评分确定为有效的改进目标，并提供可复现的紧凑世界模型诊断协议。 论文同时指出，组件诊断和一项单独的开合门研究显示，更好的排序未必带来更好的控制，也未必超过模仿学习。上述结果来自仿真环境，尚未经同行评议。

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。