Yann Le Cun
PulseAugur coverage of Yann Le Cun — every cluster mentioning Yann Le Cun across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新型机器人模型Riemann-1.0通过人类视频训练掌握家务 · 跟踪到1个来源
Riemann Dynamics发布了其新型机器人模型Riemann-1.0，该模型在RoboCasa-365家务任务基准测试中取得了62.6%的新国家级最高分。该模型是昆仑万维的子公司，接受了超过232,000小时人类活动视频的训练，这与传统的机器人训练数据有显著区别。该方法整合了视觉语言模型（VLMs）和世界模型，利用人类视频数据让机器人对物理交互和任务规划有更直观的理解，然后再用具体的机器人数据进行微调。
-
论文认为AI必须拥抱专业化而非通用化
Goldfeder、Wyder、LeCun和Shwartz-Ziv的最新论文，经Dharma AI解读，认为AI系统并非通过通用性，而是通过专业化达到最佳性能。论文借鉴了优化理论、进化生物学和竞争市场的类比，提出没有单一算法能在所有问题上超越其他算法。相反，专注于特定任务的系统能够持续取得更好的结果，尤其是在有限资源约束下。
-
DVD-JEPA：最小化 JEPA 世界模型演示预测未来表征
DVD-JEPA，一个最小化且可复现的联合嵌入预测架构 (JEPA) 世界模型演示已发布。该项目专注于预测未来表征而非原始像素，允许模型忽略不相关的环境细节。演示表明，DVD-JEPA 可以准确预测弹跳的 DVD 标志的位置，并且通过添加解码器，可以生成动画的未来帧。此外，其预测误差可作为有效的异常检测信号，在发生意外事件时显著飙升。
-
为什么全球AI暂停不太可能发生
由于几个因素，全球暂停AI开发不太可能发生，包括与核武器相比，AI风险的抽象性质，AI技术的双重用途使其难以执行，以及缺乏像广岛那样明确的“警告射击”来展示AI的危险。与核武器不同，核武器存在收益递减点，而AI发展在智力上没有固有的上限，并且进展速度超过了政治和监管的变化。此外，与核试验不同，检测AI暂停的违规行为几乎是不可能的。
-
新架构实现世界模型近乎无限的时间一致性
一篇新研究论文介绍了一个物理基础符号架构（PGSA），它克服了当前统计世界模型的局限性。与需要高斯动力学来实现线性可辨识性和时间一致性的现有模型不同，PGSA 可以在所有物理状态下实现精确的线性可辨识性。这种新架构还提供了近乎无限的时间一致性，这意味着即使对于非高斯系统，其误差也仅受数值精度限制。
-
分析师称LLM参数增长表明侧重于记忆而非AGI
根据一项观察，以参数衡量的日益增大的大型语言模型可能表明其侧重于记忆而非真正的理解。这种方法受到投资压力的驱动，因为更大的模型可以制造出能力的假象，并通过硬件依赖提供竞争优势。实现AGI的真正进展可能涉及将更多数据输入到更小的模型中以鼓励更深入的学习，但当前的行业趋势倾向于庞大的参数数量，以确保硬件交易和投资者信心。
-
新的混合目标改进语言模型表示
研究人员为语言模型引入了一种新颖的自监督学习目标，该目标结合了掩码语言建模（MLM）和联合嵌入预测架构（JEPA）方法。这种混合方法旨在鼓励表示捕捉更深层次的语义结构，而不仅仅是表面标记的身份。在Wikipedia和GLUE基准上的实验表明，即使下游准确性指标相似，混合模型也能产生更均匀的嵌入和更好的语义-词汇平衡。