标签
清华大学与滴滴的研究人员提出了 World Action Critic (WAC) 模型，在基于世界模型的策略学习中，联合学习对反事实动作候选的未来预测与后果评估，在 NAVSIM-v1 自动驾驶基准上取得了 93.4 的 PDMS 成绩。
该论文介绍了 CoBe，这是一个包含 2000 个问题的基准，用于评估模型在对话式反事实文本编辑任务中的零样本能力。研究发现，前沿模型（平均得分为 58.05%）往往倾向于基于关联进行生成，而非保留因果结构，且其表现并未随着模型规模或 token 长度的增加而提升。
MemAdapter提出一个反事实适应框架，通过反事实推理、上下文感知反思和证据驱动推理三个组件，缓解LLM智能体长期记忆引发的谄媚问题，在多个基准上提升记忆可靠性。
VideoPhysEdit 是一个无需训练的物理反事实视频编辑流程，它使用刚体物理场景重建来模拟编辑并生成准确的后续运动与交互。
This paper introduces CLAM, a method for estimating localized causal effects from coarse-resolution data by jointly learning causal mechanisms and a disaggregation mapping, with applications in public health and environmental policy.
介绍了MedPIC-Bench，一个包含反事实问题的基准测试，用于评估大型语言模型在患者特定条件变化时是否正确应用药物安全规则；在28个LLM中，反事实问题的准确率显著下降，揭示了模型普遍无法修正判断的缺陷。
StyleForge 提出了一种面向固定布局室内家具风格化的场景级结构化选择框架，利用动态超图风格场和反事实风格偏好学习，在 3D-FRONT 上提升了家具检索与风格一致性。
CG-World 是一个从工业计算机图形学流水线中衍生的大规模世界状态数据集与协议，明确记录了多模态世界状态、干预和反事实分支，以支持世界模型研究。它展示了在几何条件视频生成、动作预测以及视觉-语言-动作策略的闭环迁移方面的改进。
Elias Bareinboim 宣布他团队的多个 ICML 2025 论文关于因果 AI，涵盖关系世界模型、鲁棒离线强化学习、反事实识别和因果博弈论，强调 AI 推理中因果知识的必要性。
NormWorlds-CF是一个用于反事实规范推理的、经求解器验证的基准。论文提出了MR-GRPO，一种奖励机制，能够改进超越最终答案的结构化推理，表明仅答案准确率在规范任务中可能具有误导性。
PragReST 是一个自监督框架，通过生成反事实推理轨迹并利用监督微调和强化学习训练模型，提升大语言模型的语用推理能力，在语用基准测试上取得了显著提升，且无需人工标注数据。
本文调研了世界模型的评估方法，主张采用以决策为中心的框架，优先考虑反事实推理、规划与策略优化，而非视觉质量。文中引入了L0–L7评估阶梯及基准协议，使评估与声称的效用一致。
CRAFT是一个统一的反事实推理框架，通过构建原始陈述和反事实变体，从双向推理路径中提取证据，并通过加权机制进行整合，从而提升了表格问答和事实验证的效果。在WikiTQ和TabFact数据集上的实验表明，该框架持续优于基线方法。
介绍了Discrete-WAM，一种统一的离散潜在视觉-动作世界策略，通过对齐的离散令牌和共享的离散扩散框架，在自动驾驶中实现组合因果推理和反事实推理。
CRONOS是一个基准测试，通过在保持物理事件类型不变的情况下对视角、场景、物体类别和外观进行干预，来评估视频预测模型的反事实物理一致性。它揭示了当前视频生成器的重大缺陷。
提出隐式行为策略优化（IBPO），一种基于反事实比较的信用分配框架，通过将稀疏的终端奖励转化为对步骤敏感的学习信号，提升了大型语言模型在多步推理任务中的训练稳定性和性能。
该论文提出并评估了一类称为事件图基质的因果推理世界模型，通过确定性重放在类型化RDF事件日志上进行反事实查询，在多个基准上优于基线模型，同时保证了可检查性和可重放一致性。
本文介绍了 NoisyCoconut，这是一种在推理阶段通过向潜在轨迹注入噪声以生成多样化推理路径从而提高大语言模型可靠性的方法。该方法使模型能够在不确定时选择拒答，从而在无需重新训练的情况下显著降低数学推理任务的错误率。
本文提出了一种用于营销干预的三位一体世界模型，采用深度玻尔兹曼机（Deep Boltzmann Machines），融合了基于能量的评估、结果预测和反事实推断。