CWM：具身智能体流水线中动作可行性学习的对比世界模型

arXiv 26.2 2026 47.6 method

TLDR

提出CWM，对比学习与困难负样本训练LLM作动作可行性评分器，在ScienceWorld上优于SFT。

评分理由

Strengths include a novel contrastive approach for action feasibility with hard negative mining, showing clear improvements over SFT on a benchmark. Weaknesses are limited evaluation to a single simulated benchmark (ScienceWorld) and lack of real-world robot validation, raising questions about generalizability.

Read-first 评分解释

综合优先阅读分 47.6，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 24。

近期性 8%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、评估、结果

主题相关性 42%

34.3

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：502。

关键词评分

world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

world simulator

generative world model

video world model

深度分析

创新点

用于具身智能体动作可行性学习的对比世界模型（CWM）
使用InfoNCE对比目标与硬挖掘负样本来区分物理正确与细微错误的动作
使用对比学习而非监督微调（SFT）来微调大型语言模型（LLM）作为动作评分器

方法

CWM使用InfoNCE对比目标与硬挖掘负样本来微调大型语言模型（LLM）作为动作评分器。在ScienceWorld基准上通过两项研究进行评估：一项是在605个硬负测试对上的内在可供性评估，另一项是实时过滤器特征研究，衡量在任务执行过程中黄金路径动作与所有有效环境动作的排序。

关键结果

CWM在最小编辑负样本上的Precision@1比SFT高出6.76个百分点，并实现了更高的AUC-ROC（0.929 vs. 0.906）。在分布外压力条件下，CWM保持了显著更好的安全边际（-2.39），优于SFT（-3.96）。

技术栈

LLMInfoNCEScienceWorld

资源

论文