Le filThèmes : RechercheAgents
JEPA-TTT adapte pendant le test un modèle du monde JEPA préentraîné face aux changements de dynamique
1 sourcemis à jour il y a 2 jpertinence 3,2 sur5
L’essentiel
Après 500 épisodes de test, JEPA-TTT réduit en moyenne de 83 % l’erreur de prédiction latente autorégressive et améliore la planification de 153 % par rapport au modèle JEPA figé, sur huit changements de dynamique.
Propagation1 article, publié par HF Daily Papers le 5 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceZheyuan Zhang, Suyu Ye, Nakul Agarwal et al.huggingface.co
JEPA-TTT: Persistent Test-Time Training of Latent World Models for Planning under Dynamics Shifts (site externe)
We present JEPA-TTT, which adapts the latent dynamics predictor of a pretrained action-conditioned Joint-Embedding Predictive Architecture world model throughout test time.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
PUBG Ally, un agent incarné vocal, joue comme coéquipier d’IA dans PUBG : BATTLEGROUNDS
Agents
DAEDALUS construit une mémoire d’agent à partir de tâches que des agents génèrent eux-mêmes
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5