我们开发了PlausiVL，一个视频语言模型，通过反事实学习和行动重复损失来研究行动序列的可行性。模型利用时态逻辑和动词-名词约束生成不可信的行动序列，以区分可行与不可行的序列。在Ego4D和EPIC-Kitchens-100数据集上的评估显示，该方法在行动预测任务中有显著提升。

该文介绍了一种名为DCL的物理视听常识推理的解缚对抗学习方法，旨在根据视频和音频输入推断物体的物理常识，并模拟人类的推理能力。实验结果表明，该方法改进了基线方法并取得了最先进的性能。