H-JEPA：首个端到端学习的分层世界模型，用于长时程视觉规划
randall_balestr · x · 2026-10-06
Randall Balestrero 介绍 H-JEPA——首个端到端学习的分层世界模型，可用于长时程视觉规划，基于 SIGReg/LeWM 构建。关键机制：语义抽象带来时间压缩——强制高层丢弃变化快、难预测的细节后，高层表征自然在更慢的时间尺度上演化，因而能预测远期未来，低层则负责局部执行。训练上，端到端分层 JEPA 需防维度坍缩，团队用 SIGReg 在所有层级保持潜空间良态，无需复杂启发式，训练稳定且易调试。论文与代码已开源。
所属事件:LeCun 团队发布 H-JEPA 分层世界模型(5 条相关)→
「研究」频道最新
- KNOWS 基准发布:联合评测 Agent 搜索、工具与视觉理解三能力 — anmarasovic · 2026-10-07
- 模型也会越狱评测?Irregular 推出「收容挑战」加固评测安全 — evijit · 2026-10-07
- 用压缩给提示定价:新方法量化 LLM 能否想出原创研究点子 — ChengleiSi · 2026-10-07
- TasteVal 用算力效率量化「研究品味」:8 项任务对垒人类专家 — burny_tech · 2026-10-07
- AI 双面间谍:ToM 论文入选 COLM 2026,用心理理论防御攻击者 — pratyusha_PS · 2026-10-07
- 斯坦福团队论文 Reasoning Shift 入选 COLM 高效推理 Workshop Spotlight — pratyusha_PS · 2026-10-07