AMI 提出 H-JEPA:分层世界模型规划成功率从 18% 提至 73%
Yann LeCun 圈子的人发了 H-JEPA,把世界模型按抽象层级拆开做规划,Visual AntMaze 成功率从 18% 干到 73%,算力还更省。
AMI 团队发布 H-JEPA 方法,在不同抽象层级上学习世界模型,规划时从粗粒度目标逐层细化到具体动作。在 Visual AntMaze 基准上,成功率从 18% 提升到 73%,且消耗的规划计算量更少。
相关论文和项目页面已放出 arXiv 链接。
AMI presents H-JEPA
Learns world models at different levels of abstraction and plans from coarse goals down to finer actions
Raises success from 18% to 73% on Visual AntMaze, while using less planning compute.
proj: https://t.co/PaYW26L8sB abs: https://t.co/ZgVjOBIWIJ https://t.co/9Qre2rWAIL
本条情报归属 AITOP「论文」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:H-JEPA、世界模型、AMI、Visual AntMaze,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「Aran Komatsuzaki (论文推介)」(@arankomatsuzaki),经 AITOP 多维评分管线结构化提炼。