← 世界模型 / 从表征到预测预测损失与高斯正则共同训练LeWorldModel · 原文 Fig. 1 · p.1 ↗
2026 预印本 / World Models
LeWorldModel
LeWorldModel: Stable End-to-End Joint-Embedding Predictive Architecture from Pixels
arXiv · 2026
快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗
关键框架 FRAMEWORK
编码器与动作条件预测器端到端训练;下一帧特征预测损失配合 SIGReg,约束潜表示并防止塌缩。
- 01编码连续帧
- 02预测下一帧表征
- 03施加 SIGReg 正则
THE IDEA
它在解决什么
通过预测目标与表征正则化,训练端到端的联合嵌入世界模型。
WHY READ IT
为什么放在这条路线
有项目页和公开实现,可与冻结编码器的 DINO-WM 对照研究表征学习方式。
READ WITH A QUESTION
读的时候,留意什么
尚按预印本收录;重点检查防止表征坍缩的设计、数据范围和真实规划评估。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器