CWM: Contrastive World Models for Action Feasibility Learning in Embodied Agent Pipelines
[Daily Paper] CWM: Contrastive World Models for Action Feasibility Learning in Embodied Agent Pipelines
AI summary
CWM 用 LoRA 微调 Qwen-2.5-7B 做动作可行性评分，论文称其在 ScienceWorld 的 Minimal-Edit 负样本上 P@1 达 93.24%，比 SFT 基线高 6.76 个百分点。它以 InfoNCE 对比目标在最多 16 个负样本间联合排序；在 Thermometer、Chemistry-mix 等未见任务的 OOD 压力测试中安全裕度为 -2.39，优于 SFT 的 -3.96。