Open-World Skill Discovery from Unsegmented Demonstrations
推一手哥们的工作，作者研究的问题是如何把agent trace进行切分，进而推算出一些high-level的query。作者的招数是，model-oriented：直接训一个policy，找到loss最大的地方，认为这里就是关键位置，并做切分。
之前其实有不少工作在研究这个方向，比如GUIWorld他们都是用4o直接prompt切分，感觉效果都不太好。
不过这种model-oriented的方案，可能有另一个问题？模型预测不出来的action，可能不是困难的地方，而是随机性更强的地方。我之前看过Yejin Choi一个工作，他会用一强一弱两个模型分别预测，然后认为随机性强的地方，loss应该不会随着规模的变化而变化；只有困难数据，应该是强模型loss更小
