杨立昆亲自指导开源世界大模型，为AI Agent打造超级大脑

主要观点总结

本文介绍了全球社交巨头Meta新开源的世界大模型V-JEPA 2，该模型使用超大规模训练数据集进行训练，具有观察、规划到执行全自动化能力。图灵奖获得者杨立昆参与了模型开发。V-JEPA 2架构包括自监督学习框架和预训练阶段，可用于机器人规划任务和视频问答。该模型在实际部署中表现出色，能够在陌生场景中实现零样本的机器人任务执行，并在视频问答任务上取得了显著成绩。文章还介绍了模型的参数扩展、训练时间延长、输入分辨率提高等改进，显示了其卓越的性能和潜力。

关键观点总结

关键观点1: Meta新开源的世界大模型V-JEPA 2

该模型使用超大规模训练数据集进行训练，具有观察、规划到执行全自动化能力。

关键观点2: V-JEPA 2的架构和特点

包括自监督学习框架和预训练阶段，适用于机器人规划任务和视频问答。模型参数从300M扩展到1B，训练时间从90K迭代扩展到252K迭代，输入分辨率从256×256提高到384×384。

关键观点3: V-JEPA 2的实际应用表现

在陌生场景中实现零样本的机器人任务执行，视频问答任务上取得了显著成绩，如在PerceptionTest上达到84.0%的准确率，在TempCompass上达到76.9%的多选准确率。