SJEPA: Erlernen eleganter latenter Dynamiken mit hybriden symbolisch-neuronalen Prädiktoren

arXiv:2608.04060v1 Ankündigungstyp: neu Zusammenfassung: Joint-Embedding-Predictive-Architekturen lernen abstrakte Zustände durch Vorhersage von Ziel-Embeddings aus Kontext-Embeddings, aber ihre Transitionsmodelle sind typischerweise opake neuronale Maps. Wir stellen SJEPA vor, ein rekonstruktionsfreies JEPA-Framework, das lernt…