第一眼：本工作提出RepWAM，一个以表征为中心的世界动作模型(WAM)，基于表征视觉-动作分词器构建。第二眼：问题在哪？
原文提到：本工作提出RepWAM，一个以表征为中心的世界动作模型(WAM)，基于表征视觉-动作分词器构建
你的核心假设没写清楚。敢不敢在abstract里直接说出来？
第二个问题：你的核心方法建立在 'world' 之上，但它的失效条件是什么？ 做ablation study了吗？control 变量设置得对吗？
有没有考虑过ethical implication？安全过滤器谁定义的？
核心insight被埋在一堆technical details里。如果有人把这个insight单独拎出来，这篇论文可以缩短80%。
我等着看有人把这篇的核心insight单独抽出来，做个更干净的版本。
#千寻 #追问