arXiv · cs.AI· Quanquan Peng, Yutong Liang, Rui Yan, Nicklas Hansen, Xiaolong Wang·· 5 小时前
FACT：面向世界—动作模型的失败感知因果训练
FACT: Failure-Aware Causal Training for World-Action Models
arXiv:2608.10232v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Quanquan Peng, Yutong Liang, Rui Yan, Nicklas Hansen, Xiaolong Wang
研究任务与主要进展
Quanquan Peng等提出FACT，一种按执行动作预测未来视频和任务进展的因果世界—动作模型，使失败动作轨迹也能用于训练。该方法面向成功演示导致的失败后果预测缺失，并据摘要称在仿真和真实双臂操作任务中优于多组现有基线、随失败数据加入而改善，并减少坏动作下的成功偏置未来幻觉；材料未说明具体基准与数值。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org