Qantara：桥流训练让单一JEPA支持三种推理

Ruslan Rakhimov 等提出 Qantara，一个约 21M 参数的端到端 JEPA，在状态轴用相邻干净隐变量间的 Brownian-bridge 插值、在动作轴用 noise-to-data flow matching 联合训练，使同一检查点无需重训即可支持隐空间规划、行为克隆动作采样和 video-inverse 组合三种推理范式。 在 LeWM 控制套件上按相同 10-epoch 预算，Qantara 四个环境平均 91.2 SR，OGBench-Cube 达 93.7，较 DINO-WM 高 7.7、较 LeWM 高 17.0（对比取各自已发表分数与作者复现中的较高者）。不接收目标图像的两条路径在 Push-T 达 82.1–83.2 SR、Cube 达 70.8–72.8 SR，推理成本约低 15–65 倍，但在 Reacher 上接近噪声水平——该数据集的训练语料来自随机策略。把规划采样器换成同算力下的均匀采样，Push-T 规划成功率从 90.1 降至 53.3。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。