@haider1: Yann LeCun表示，在未来一年到18个月内，我们将拥有一种训练分层世界模型的通用方法……
摘要
Yann LeCun预测，在未来12-18个月内，将出现一种训练分层世界模型的通用方法，该方法通过视频和真实世界数据学习，帮助机器人、医疗等领域进行规划，并逐步向通用世界模型扩展。
查看缓存全文
缓存时间: 2026/05/17 15:36
Yann LeCun 表示，在未来一年到18个月内，我们将拥有一种通用方法来训练分层世界模型。
这些模型将从视频和真实世界数据中学习，进而帮助在机器人、医疗及其他领域规划行动。
“然后将其扩展到通用世界模型。” https://t.co/9NBINq0DYF
相似文章
面向现实世界的人工智能：与Yann LeCun的对话（12分钟阅读）
Yann LeCun认为，大型语言模型缺乏真正的智能，因为它们不理解物理世界；他主张开发能够学习因果关系并为现实世界应用提供规划的“世界模型”。
@heyrobinai: 整个AI行业刚刚被羞辱了——一个仅用单张显卡训练几小时的微型模型正在规划...
Yann LeCun的团队发布了LeWorldModel，一个仅有1500万参数的物理模型，在单张GPU上训练数小时，在规划速度和物理合理性上超越了价值数十亿美元的基础模型，挑战了主流的规模扩展范式。
那么，Yann LeCun 的 "World Models" 和 JEPA 究竟是什么？它真的能替代 LLM 吗？
讨论了 Yann LeCun 近期 arXiv 论文中的 "World Models" 和 JEPA，澄清了它并非 LLM 的替代品，而是一个针对机器人、自动驾驶和工业控制等领域视觉处理优化的模型。
LeWorldModel：从像素出发的稳定端到端联合嵌入预测架构
LeWorldModel 提出了一种稳定的端到端联合嵌入预测架构（JEPA），可直接从像素进行训练，仅需极少超参数，并具有可证明的反坍塌保证。与基础模型相比，它在规划速度上实现了显著提升，同时在机器人操作任务中保持了具有竞争力的性能。
机器人学习中的世界模型：全面综述
本综述全面回顾了机器人学习中世界模型的文献，涵盖其在策略学习、规划和模拟中的作用。文章突出了预测建模在具身智能体中的关键范式、基准测试及未来发展方向。