Pico-WAM：最小的世界动作模型，评估反事实预测与规划误差

Keivalya Pandya 发布紧凑世界动作模型 pico-WAM，用于区分控制失败源于动作提议还是轨迹评分。在 206 条 Push-T 演示和 15 个训练种子上，用模拟器成本替代学习到的轨迹评分使覆盖率提升 12.2 个百分点，反事实分支训练让策略重启搜索相对热启动的覆盖优势扩大 4.8 个百分点。