搜索结果

策略 Transformer 在 V-JEPA 2.1 特征空间中从头训练；推理时只生成动作，未来特征预测仅用于训练；无具身预训练设定下，La-JEPA L 在校正指令的 LIBERO-Plus 上成功率为 88.0%（发布指令为 84.1%），LIBERO 为 98.1%；RoboTwin 2.0（仅用干净演示训练）上，La-JEPA B 干净场景 86.2%、随机场景 35.4%、均值 60.8%（三种子平均值）；作者称在相当或更好的性能下，优化后的推理可比 Fast-WAM 快最多约 5 倍；四个真实 Franka 桌面任务平均成功 17.50/20，与具身预训练的 π0.5（17.25/20）相当；代码位于 github.com/mt-clemente/lajepa

数据：23 个数据集、12 本体、约 15022 视频小时；模型规模 22M–8B；称迄今最大 JEPA predictor；想象误差呈二阶幂律，可外推至 4B/8B；代码与 checkpoint：github.com/facebookresearch/robo_jepa

大模型推理正越来越多地进入对延迟敏感、对成本敏感的场景，而自回归解码的串行本质始终是横在效率面前的一道硬约束：每生成一个 token 都要走一次完整的前向，步数无法压缩。投机解码被提出，正是为了打破这道约束，把串行的逐 token 生成，换成某种可以并行处理的形态。

大模型已经能聊天、能写程序、能搜索，但这份由 Zhuohan Li 完成的 UC Berkeley EECS 博士论文一开始就把问题摆在成本上：高昂的开销让绝大多数应用场景根本用不起这些模型。

机器人要在真实世界里干活，绕不开一个朴素的问题：数据从哪来、怎么用、用多少才够。这份 2024 年的博士论文处理的正是这件事。它的判断出发点是，AI 带来的技术进步已经让「通用能力机器人」不再只是远景，而要把这个远景落到真机上，关键的一环是学会高效地使用轨迹数据。

强化学习要真正用在现实系统里，绕不开一个前提：数据从哪来。常规做法是让智能体在环境中反复试错、主动采集数据，而这份 UC Berkeley EECS 的博士论文要回答的，正是能否去掉这个前提——只给定一份固定的静态数据集、不与环境交互，还能不能学到可用的策略。

工程智能系统时，一个绕不开的问题是：不同的建模方式和推理算法，究竟该在什么情况下选用，又该如何组合？Cusumano-Towner 的这篇 2020 年 MIT 博士论文《Gen：面向概率推理的高层编程平台》，把问题落在了这个工程权衡的层面。

语言模型已经进入自然语言处理的日常使用，靠大量无标签数据和下游任务微调获得能力，但生成的文本是否准确、是否可信，始终是一个没有被完全解决的问题。与此同时，差分隐私领域长期面对另一个相似的结构性矛盾：隐私保证越强，数据或模型的效用往往越受限制。

计算机视觉中的识别与生成常被当作两条独立任务线，模型也往往分开训练，这份MIT博士论文要回答的是：能否用统一的建模范式同时处理视觉识别与生成，并把两者之间的互补性转化为训练中的收益。

视觉生成模型现在能产出质量很高的结果，但代价是算力和延迟：采样慢、部署重，放到需要即时反馈的交互场景里就不够用了。Yin Tianwei 的 MIT 博士论文《面向视觉合成的高效生成模型》正是围绕这个矛盾展开，核心问题是能不能在保住生成质量的前提下，把昂贵的模型压缩成能实时响应的生成器。