首尔大学 AnisoWM:各向异性表征让 JEPA 世界模型规划成功率全面提升
SeoulNatlUniv · hf · 2026-09-30
首尔国立大学团队发布 AnisoWM,针对潜在世界模型(JEPA 类)规划中的表征几何问题提出改进。
发现:准确预测与非塌缩表征并不保证潜在规划代价与任务代价对齐——常用的各向同性高斯正则会诱导一种几何,使候选可行结果的排序与真实任务代价不一致,导致规划失败。
方法:引入 ΛReg,用固定迹与各向异性约束下可学习的对角协方差替换固定各向同性高斯目标;预测目标、预测器架构与欧氏规划器均不变,新目标仅在训练期使用。分析刻画了预测驱动的目标方差分配及其对训练分布的依赖,以及新度量降低规划遗憾的条件。
结果:在四个视觉控制环境中,AnisoWM 的规划成功率全部超越 LeWorldModel,其潜在规划代价与任务结果的一致性也更好。
「研究」频道最新
- Hugging Face 发布 tokenizers v1:性能较 v0.23 提升数十倍 — ariG23498 · 2026-09-30
- EMNLP 口头报告:RL 教模型更高效遍历参数化知识 — niloofar_mire · 2026-09-30
- Midas Touch 代码数据集遭质询:可复现性与数据泄漏存疑 — maier_ak · 2026-09-30
- Midas Touch:直接从源码扩展 AI 编码环境的新论文 — maier_ak · 2026-09-30
- 预训练算力超 1e22 FLOPs 后可直接砍掉视觉编码器 — heghbalz · 2026-09-30
- 研究者预言神经网络或可分解为演化式符号系统 — QuintinPope5 · 2026-09-30