bisimulation

提出动作条件预测一致性（ACPC），这是一种JEPA世界模型的诊断方法，用于衡量在动作条件展开中干净观测与扰动观测如何发散，并为预测误差和规划器成本提供理论界限。在多个视觉控制任务上的实验验证了该诊断在LeWM和PLDM等模型上的有效性。

BiPACE提出了一种即插即用的优势估计器，用于修复LLM智能体逐步分组强化学习中的状态-动作信用分配错配问题。该方法利用双模拟引导的状态聚类和动作反事实估计，在ALFWorld、WebShop和TextCraft基准上，配合Qwen2.5模型实现了显著的性能提升。

本文介绍了CARL，一种利用局部动态规律学习可复用技能的离线分层强化学习方法。该方法将需要相似动作序列的状态-目标对进行聚类，从而实现更有效的技能复用，并在复杂的人形机器人任务上提升了性能。