自適應潛在世界模型 助智能體持續學規劃
潛在世界模型透過預測未來狀態實現智能體規劃,但部署時參數固定,面對分布偏移便預測失準、規劃失敗。紐約大學LeCun團隊提出自適應潛在世界模型AdaJEPA,在測試時持續自我更新。
固定參數的短板
傳統潛在世界模型在部署後參數固定,當環境動態變化或出現視覺擾動等分布偏移時,預測一旦失準便直接導致規劃失敗,成為智能體長期自主運行的關鍵短板。


IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
