杨立昆H-JEPA世界模型：反对Agent与RSI
AI 总结
杨立昆（Yann LeCun）的新世界模型H-JEPA被视为其2022年论文中分层JEPA设想的首个可复现完整实现：它把多个JEPA逐层堆叠，每层各有观察编码器、动作编码器和潜在预测器，在不同时间跨度上预测状态，规划时由高层给出粗略目标、再逐层细化到底层动作。报道称，在Visual AntMaze任务中单层LeWM成功率仅18%，三层H-JEPA达到73%；但Push-T任务两层表现最好，三层、四层反而下降，三层约用58%的可迁移训练数据，四层仅约14%。训练既不用奖励也不做像素重建，在DROID真实机器人遥操作数据上若不加逆动力学约束会出现慢特征坍缩、性能降至零；文章据此将该模型解读为对当下主流智能体“多拆步骤、多花token”路线以及递归自我改进（RSI）的反对。
深度见解
分层世界模型若成立，可能提示提升AI能力的路径不止于在同一粒度上扩大上下文与试错次数。