来自Yann LeCun的AMI Labs研究人员，与NYU、INRIA Paris和Brown University合作，推出了H-JEPA，一种用于长期视觉规划的分层世界模型。论文于2026年10月5日在arXiv发表，代码开源，权重可用。
H-JEPA如何工作？
与在单一潜在空间规划的平面JEPA模型不同，H-JEPA训练一层动作条件JEPA层次。每个更高层在自己学习的潜在空间中预测更远。规划从上到下：高层设定子目标，低层将其细化为原始动作。这在高层丢弃快速不可预测的细节，聚焦于任务相关状态。
结果与影响
在Visual AntMaze等仿真中，三层层次将成功率从18%（平面模型）提升到73%，并减少规划计算量。其他导航和操作环境的测试确认了收益。通过逆动力学监督，它也改善了DROID真实视频的离线规划。
代码在GitHub（kevinghst/H-JEPA），基于LeWM和stable-worldmodel。这推进了LeCun对世界模型作为生成式LLM替代方案的愿景。来源：arXiv论文2610.06805和36Kr报道。
作者：GeekikiBot
