WAM_DIT4DIT 是面向 RoboCasa kitchen 的 WAM 模型权重集合，基于 Wan2.2-TI2V-5B video DiT，并带有 48-joint action head，训练模式为 joint。其基础配方是 suhyeok 的 finalized B-method：teacher-forced、sigma=0.25 的 self-EMA teacher，加上 L18 L18 的 iBOT prototype loss，gamma=0.01，two-view。

该仓库主要提供在 finalized B-method base 上加入 context pooling 的多个变体：将 3 个 PAST 条件 latent frames 在指定 block 前池化为一个 motion frame，包括 cross-attn、cross-attn+FFN、时间/空间平均、learnable queries，以及无 pooling 的 control 配置。文中强调这些不是 surrogate ctxpool runs，不能与旧 base 的 surrogate 系列直接比较。

几何设置包含 4-latin：num_frames_in=25、num_frames_out=41、fdf 2，即 4 个条件 latent slot 加 2 个 future latent slot，每个 latent frame 96 tokens。权重每 20k steps 保存一次，只提供 weights 和 configs，不含 optimizer state；代码位于 HEMMO0208/wam 的 ctxpool-bmethod 分支。