V-JEPA-2-AC
PulseAugur coverage of V-JEPA-2-AC — every cluster mentioning V-JEPA-2-AC across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的Clin-JEPA框架支持电子健康记录数据的联合嵌入预测预训练
研究人员开发了Clin-JEPA，一个新颖的多阶段协同训练框架，用于电子健康记录（EHR）的联合嵌入预测预训练。该框架解决了创建单一AI模型以同时预测患者轨迹和执行各种下游风险预测任务的挑战，而无需进行特定任务的微调。Clin-JEPA采用了一个为期五阶段的预训练课程，以稳定地协同训练一个Qwen3-8B编码器和一个潜在轨迹预测器，通过独特地融合潜在的滚动漂移并学习临床上可区分的潜在几何形状，在EHR数据上展示了改进的性能。
-
Equivariant World Models Offer Certified Predictability Horizon
一篇新研究论文介绍了一种方法，用于认证等变世界模型的可预测性范围。该方法提供了一个可计算的证书，保证了随时间变化的误差界限，并按模型的李雅普诺夫谱进行分层。这种方法证明了结构，特别是等变性，对于长期可靠的预测至关重要，而不仅仅是尺度。在实践中，一个在 Lorenz-96 数据上的等变网络准确地恢复了李雅普诺夫谱，而基线方法则失败了。该证书还成功审计了预训练模型，如 TD-MPC2 和 V-JEPA 2-AC，证明了其在评估模型校准和可…
-
Google DeepMind 发布适用于笔记本电脑的 Gemma 4 12B 多模态模型
Google DeepMind 发布了 Gemma 4 12B，这是一款专为在具有 16GB VRAM 的笔记本电脑上本地运行而设计的新型多模态模型。该模型采用新颖的统一架构，将音频和视觉输入直接集成到 LLM 主干中，无需单独的编码器，从而降低了延迟和内存使用量。Gemma 4 12B 旨在将先进的代理多模态能力带到日常硬件上，其性能接近其较大的 26B MoE 版本，并通过开放许可和与流行工具的集成获得广泛的开发者支持。
-
AI代理使用世界模型进行更好的物理规划
研究人员调查了联合嵌入预测世界模型（JEPA-WMs）在AI代理物理规划中的有效性。他们的研究侧重于确定在此框架内有助于成功规划的关键架构和训练选择。使用模拟和真实机器人数据的实验表明，他们提出的模型结合了优化组件，在导航和操作任务上都优于已建立的基线。