按年被提到
20262026 · 5 次2026
视觉、语音与图像生成›视觉语言与自监督表征·arXiv:2603.19312 · cs.LG

LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels

LeWorldModel:从像素端到端稳定训练的联合嵌入预测架构
Lucas Maes, Quentin Le Lidec, Damien Scieur, Yann LeCun, Randall Balestriero · 2026

仅用两项损失、从像素端到端稳定训练的 JEPA 世界模型

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 5 人首次 2026-03-25 · 最近 2026-06-14
5不同的人
4活跃月份
5讨论串
10被引(OpenAlex)

现有 JEPA 世界模型依赖多项损失、指数滑动平均、预训练编码器或辅助监督来避免表示坍塌,训练脆弱。LeWorldModel 只用“下一嵌入预测”和“使潜在嵌入服从高斯分布的正则项”两项损失,就能从原始像素端到端稳定训练,约 15M 参数、单 GPU 数小时可训练完成;规划速度最高比基于基础模型的世界模型快 48 倍,在多种 2D/3D 控制任务上保持竞争力,且潜空间能编码物理量并检测不合理事件。

HN 为什么提它

输入中只有一条摘录:评论者以它为例,说明 JEPA 式世界模型在以动作为条件时显示出前景。

方法难度 4 / 5约 40 分钟经得起时间
读之前最好知道
1联合嵌入预测架构(JEPA)
2世界模型(world model)与基于模型的规划控制
3表示坍塌(representation collapse)
4自监督表示学习

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用soohamr · 2026-06

“JEPA style world models are showing promise when conditioned on actions [1]”

指出 JEPA 式世界模型在以动作为条件时显示出潜力
Ask HN: What are you working on? (June 2026)原评论 ↗
被提交为 story · 4 次