ArXiv Report 2026-06-04/* ============================================================ ArXiv Daily Researcher - HTML Report Stylesheet 可自由修改此文件来定制报告外观 =================================================

ArXiv Report 2026-06-02/* ============================================================ ArXiv Daily Researcher - HTML Report Stylesheet 可自由修改此文件来定制报告外观 =================================================

ArXiv Report 2026-05-30/* ============================================================ ArXiv Daily Researcher - HTML Report Stylesheet 可自由修改此文件来定制报告外观 =================================================

ArXiv Report 2026-05-28/* ============================================================ ArXiv Daily Researcher - HTML Report Stylesheet 可自由修改此文件来定制报告外观 =================================================

ArXiv Report 2026-05-26/* ============================================================ ArXiv Daily Researcher - HTML Report Stylesheet 可自由修改此文件来定制报告外观 =================================================

当我们想要从huggingface的datasets中下载数据集时，我们每一次并不是需要所有的数据，往往一部分数据就够了，在这种情况下，则需要一个方法能够下载其中的指定文件或者文件夹的内容。 在这里，我使用的是基于git clone的一种方法： 在这个样例中，我需要下载的是liuhuanjim013/kinetics400库中的videos/driving car文件夹下面的内容 在设置好稀疏检出

Chapter 1 Basic Concepts 1.1 State and Action states, states space, actions, action space, 1.2 State transition When taking an action, the agent may move from one state to another. Such a process is c

DINO-WM: WORLD MODELS ON PRE-TRAINED VISUAL FEATURES ENABLE ZERO-SHOT PLANNING Gaoyue Zhou1,∗Hengkai Pan1, Yann LeCun1,2, Lerrel Pinto1 1Courant Institute, New York University, 2Meta-FAIR 背景 与Dreamer等

背景 现代人工智能面临的核心挑战之一是让智能体主要通过观察来学习理解世界并采取行动。V-JEPA 2正是基于这一愿景，探索一种全新的自监督学习路径，旨在构建一个通用的物理世界模型。 方法 V-JEPA 2采用了分阶段的训练策略，结合了海量“世界数据”和少量主动交互数据。 第一阶段：V-JEPA 2 预训练 (无动作世界模型) 此阶段的目标是利用互联网上无穷无尽的视频，让模型学习到关于世界如何运作的

Teaser 背景 导航是具备视觉-运动能力的智能体的基本技能。当前的导航方法，尤其是监督学习策略（如NoMaD），一旦训练完成，其行为模式就被“固化”，难以在规划时动态地加入新的约束（例如，“禁止左转”），也无法为难题动态分配更多计算资源。 为了解决这些局限性，NWM (Navigation World Model) 被提出。它并非直接学习一个从观测到动作的策略，而是构建一个可控的视频生成模型，