跳到正文
arXiv · NLP· Peng Xie, Amr Alanwar·· 2026-10-07AI 评分21

V-JEPA 2 对隐藏物体的保持机制:预测器与编码器的永久性差异分析

Tracking Is Not Permanence: What Video World Models Keep of a Hidden Object

AI 导读

研究表明,冻结的 V-JEPA 2 预测器在物体隐藏 0.3 秒后即丢失其记忆,而同编码器能持续 3.5 秒。 通过合成数据训练 3000 步可消除预测器的永久性缺失,将 IntPhys-2019 得分从 84.2% 提升至 93.3%。 该缺陷并非潜在预测的固有属性,因为使用 tube mask 继续训练即可恢复动态物体记忆。

来源:arXiv · NLP · arxiv.org