JAM模型提出解耦VLA与WAM的纯动作框架

2026年10月27日，Hugging Face Daily Papers 报道研究者提出 Just Action Model（JAM），针对视觉-语言-动作模型（VLA）与世界-动作模型（WAM）之争给出解耦方案。报道称，JAM 将 VLA 与 WAM 的差异拆解为三个可分离选择：骨干初始化、未来观测损失目标、推理时是否保留该损失机制。模型采用预训练视觉骨干加动作专家，以动作损失与 foresight 损失训练，训练后丢弃预测头，训练和推理均不涉及视觉生成。目前进展停留在方法提出层面，报道未给出实验结果或与其他模型的对比数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。