世界模型

Factorized Latent Dynamics for Video JEPA: An Empirical Study of Auxiliary Objectives

视频JEPA中的因子化潜在动态：辅助目标的实证研究

Santosh Premi

机构 * Adhikari（阿迪卡里） 纠错

专题命中 模型式强化学习 ：latent dynamics(title,abstract)；world-model(abstract)；world-model(abstract)；分类 cs.LG、cs.CV

AI总结 本研究探讨了视频JEPA中辅助目标的实证效果，通过对比不同辅助目标变体，发现潜在表示的因子化方法在提升某些能力的同时可能降低其他能力，FWM-HW-LD在混合数据集下提升了ImageNet-100和SSv2的性能。

Identify Then Project: Contrastive Learning of Latent Dynamics from Partial Observations with Port-Hamiltonian Structure

识别后再投影：从部分观测中利用端-哈密顿结构进行对比学习

Peilun Li, Kaiyuan Tan, Daniel Moyer, Thomas Beckers

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 模型式强化学习 ：latent dynamics(title,abstract)；分类 cs.LG

AI总结 本文提出一种两阶段框架，通过对比学习从部分观测中学习隐状态动态，并投影到端-哈密顿子流形，以实现物理一致性。

Graph Neural ODE Digital Twins for Control-Oriented Reactor Thermal-Hydraulic Forecasting Under Partial Observability

基于图神经ODE数字孪生的面向控制的反应堆热力学预测（在部分可观测性下）

Akzhol Almukhametov, Doyeong Lim, Rui Hu, Yang Liu

机构 * Department of Nuclear Engineering, Texas A&M University, College Station, TX 77843, USA（德克萨斯A&M大学核工程系，学院站，TX 77843，美国） ； Argonne National Laboratory, Nuclear Science and Engineering Division, USA（阿贡国家实验室，核科学与工程部，美国） 纠错

专题命中 模型式强化学习 ：latent dynamics(abstract)；分类 cs.LG

AI总结 本文提出了一种结合物理信息的图神经网络与神经普通微分方程（GNN-ODE）的模型，用于在部分可观测性下实现反应堆热力学状态的准确预测，该模型在预测精度、毫秒级推理速度和对部分可观测性的鲁棒性方面均表现出色。

LatentUMM: Dual Latent Alignment for Unified Multimodal Models

LatentUMM: 双重潜在对齐用于统一多模态模型

Yinyi Luo, Wenwen Wang, Hayes Bai, Marios Savvides, Jindong Wang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； William & Mary（威廉与玛丽学院） 纠错

专题命中 模型式强化学习 ：latent dynamics(abstract)；分类 cs.CV

AI总结 本文提出LatentUMM，通过构建增强的共享潜在空间，显式对齐映射到和从潜在空间的转换，提高跨模态一致性。实验表明，该方法在多种架构上一致提升了多模态一致性。