SplitJEPA 论文：让 JEPA 分离不变与可变状态表征
mayfer · x · 2026-10-11
- SplitJEPA 是一篇新论文，核心思想是把 JEPA 的预测学习与“匹配观测”结合：利用共享不变因子、仅可变因子不同的成对观测，用互补信息解决潜在表征的块歧义（block ambiguity）。
- 作者以咖啡杯为例：光照变化下杯子外观不同，但伸手取杯的位置不变——大脑会把“位置”与“光照”分开表征，SplitJEPA 让 JEPA 学到的状态也具备这种分离。
- 文中提到 LeJEPA 系列（LeCun、Balestriero、Klindt 等）已证明：在平稳高斯预测动力学下，带高斯正则化的潜在预测可完整恢复潜在状态（至全局正交变换），且无需重建；SplitJEPA 致力于消除剩余的变换歧义。
所属事件:SplitJEPA 新研究：无需重建即可分离表征的不变与可变结构(2 条相关)→
「研究」频道最新
- Lean 联合创始人 Avigad 长谈：AI、形式验证与数学未来 — EchoShao8899 · 2026-10-11
- 读遍 OpenAI 数学仓库 242 份 Lean 说明：至少 10 个头条结论未被形式化验证 — MysteriousAvocado580 · 2026-10-11
- NeurIPS 2026 位置论文：LLM 缺乏认知控制机制，难达长期自主 — AndrewLampinen · 2026-10-11
- 基于 Jacobian Lens 开源 PENDULUM，模型可解释性工具换上新 UI — Extraaltodeus · 2026-10-11
- 东南大学团队 LeaP 被 CoRL 2026 接收:让扩散动作生成的起始分布随机器人状态自适应 — jiqizhixin · 2026-10-11
- 手把手教程：不依赖大模型，自己搭一个决策模型 — softwaredoug · 2026-10-11