标签：representation-learning

• H-JEPA分层世界模型：Yann LeCun团队架构、实验与技术路线解析 Best Partners TV 2026-10-18
  影片介绍Yann LeCun创立的AMI公司发布的H-JEPA分层世界模型论文及开源成果。实验显示三层结构在蚂蚁迷宫任务中成功率达73.3%，大幅优于单层模型的18%，并降低了计算量。文章分析了独立表征空间、逆动力学解决特征坍塌等机制，并对比了世界模型与LLM及其他3D/像素级生成路线的差异与未决挑战。
• 通用權重空間假設：1100多個AI模型趨向同一低維子空間的真相與反思 Best Partners TV 2026-10-15
  研究團隊探討「通用權重空間假設」，分析1200多個神經網絡發現其權重受限於共享低維子空間。但「所有AI均相同」忽略了架構依賴、截斷點及LoRA同源等前提。該收斂性源於損失曲面二階曲率約束，既帶來壓縮融合前景，亦暴露出結構性單一栽培風險。
• 大语言模型内部推理与可解释性研究探讨 硅谷101 2026-08-26
  访谈探讨了大语言模型的可解释性研究与内部推理机制。受访者结合 J-Space 等研究，讨论了模型内部潜在表征、角色训练以及透明度对监管的潜在价值，同时指出当前基于此类研究制定政策仍处于早期阶段。
• LeCun：LLM 不是通往智能的路，他在押注另一件事 · 乔木博客 向阳乔木 2026-05-19
  LeCun 认为 LLM 受限于语言符号操作，缺乏物理世界的因果推理与规划能力。他提出基于联合嵌入预测架构（JEPA）的世界模型，旨在让 AI 在抽象表示空间预测行动后果，而非生成像素，这是实现人类级智能的关键。
• AMI Labs：逃离硅谷，世界模型与AI的未来博弈 Best Partners TV 2026-03-30
  AMI Labs在杨立昆和谢赛宁带领下，以10.3亿美元种子轮融资挑战硅谷大语言模型主导的AI范式。谢赛宁在访谈中阐述了世界模型的核心理念，批判大语言模型局限性，强调视觉感知和多模态对真实智能的重要性。公司致力于构建预测大脑，通过分布式联盟模式，探索物理世界交互的AI新路径，并对AGI概念提出质疑，倡导回归对基础智能的理解与构建。