标签
ALPS 是一种面向世界模型的预训练 ViT-B/16 视觉状态编码器，将物理状态预测、语言对齐和像素重建统一于单一的图像块词元表示中，其状态探针性能可媲美规模大 3.5 倍的 V-JEPA 2-L，并且在搭配其原生文本塔时，在 LIBERO 上实现了 85.5% 的平均策略成功率。
这篇来自纽约大学（NYU）与西安交通大学的研究论文表明，早期的表征漂移会形成一个低维的“支架”子空间，网络在学习后续任务时会优先复用这一子空间，说明早期经验会在神经网络适应过程中留下持久的几何印记。