LeCun 团队 Causal-JEPA：通过对象级掩码学习世界模型
burny_tech · x · 2026-08-29
帖子讨论了 Causal-JEPA 论文（Yann LeCun 等人），该研究提出一种基于对象级潜在掩码的世界模型。通过在训练中掩盖对象状态并强制从上下文推断，C-JEPA 解决了交互依赖的动态预测问题。实验显示，它在反事实推理中比无对象掩码版本提升约 20%，在智能体控制任务中使用的特征仅占基于 patch 模型的 1%，但性能相当。
「研究」频道最新
- DeepPhylo 用深度学习推断系统发育树，摆脱恒定突变率等强假设 — anshulkundaje · 2026-10-15
- Wander 预印本提出图基础模型:随机游走接口统一图预测任务 — mmbronstein · 2026-10-15
- CHI 审稿人观察:AI 垃圾论文泛滥,但好研究依然在出现 — IanArawjo · 2026-10-15
- CMU 基准测试:135 篇 AI 代理科研论文 114 篇未过诚信审查 — arankomatsuzaki · 2026-10-15
- 让 AI 真正从经验中学习:资深从业者给出 8 条不可妥协原则 — tokenbender · 2026-10-15
- Benchling 发布 Science Foundries：智能体蜂群重塑科研工作流 — nlarusstone · 2026-10-15