跳到正文
arXiv · ML· Romina Yalovetzky, Randall Balestriero, Yann LeCun·· 2026-10-14AI 评分24

LeHami:利用辛动力学改进JEPA世界模型的长程预测

LeHami: Symplectic Latent Dynamics for World Models

AI 导读

研究者提出 Symplectic Hamiltonian JEPA (LeHami),通过在结构化潜在空间中应用动作条件哈密顿流,解决了传统 JEPA 长程生成时潜在分布收缩问题。 该方法采用精确辛跃蛙积分步长,严格保持相空间体积,避免了潜在状态合并,并支持未见过步长下的精确积分。 在保守和受控摆环境中,LeHami 显著提升了长程速度预测性能,为潜在世界模型提供了新的推理时几何保证。

来源:arXiv · ML · arxiv.org