Pico-WAM：紧凑世界动作模型发布

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。 该研究使用独立的状态空间模型和固定数据/库，未测试共享架构的迁移；原始预训练检查点未包含在内。作者称，存档报告复现与小型检查不构成完整的独立数值复现。

AI 根据报道生成 · 34 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。