JEPA-PS:奖励无关预训练的黑盒优化器
热点事件持续更新
JEPA-PS:奖励无关预训练的黑盒优化器
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
研究者 Mayukh Debnath 和 Manan Roy Choudhury 在 arXiv 论文中提出 JEPA-PS(JEPA Policy Search),一种基于联合嵌入预测架构的黑盒优化器。它用随机 rollout 中参数向量与标量回报做奖励无关的预训练,测试时读取短评估历史、一次前向传播即提出候选解,无需任务描述、奖励塑形或测试期梯度。 论文称,JEPA-PS 与调参后的经典基线方法相当,并在 Swimmer 任务上比 LLM 优化器表现好 2 倍以上、每步成本低约 71 倍。行为分析显示,在平滑地形上模型利用完整轨迹,而在崎岖地形上历史最优点的信号占主导。
AI 根据报道生成 · 17 分钟前更新
最新进展11月20日 13:00
JEPA-PS 如何从奖励无关预训练中学习黑盒优化报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIJEPA-PS 如何从奖励无关预训练中学习黑盒优化
研究者提出基于联合嵌入预测架构的 JEPA-PS 学习优化器,用随机 rollout 中参数向量与标量回报做预训练,测试时读取短评估历史、一次前向传播即提出候选解,无需任务描述、奖励塑形或测试期梯度。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。