СплитХЕПА: Обучение инвариантов и вариантов скрытых миров без реконструкции

arXiv: 2610.12349v1 Annualce Type: New Habstractive: Unterprise: Понимание динамического мира требует не только скрытого государства, в котором резюмируются его наблюдения: государство должно быть также организовано с учетом факторов, которые остаются общими для всех соответствующих наблюдений и различных факторов. Например, робот, толкающий кубик на цель, должен делать то же самое при смене камеры или затухании света, так как ничего в месте преступления не изменилось. Существующие подходы к этому разложению обычно достигают его посредством реконструкции, поэтому скрытые переменные должны прежде всего объяснить весь мир наблюдений до того, как их организации можно доверять. Совместная установка архитектур прогнозирования (JEPAs) моделирует скрытый статус напрямую и никогда не восстанавливается, но ни один из существующих результатов не возвращает переменные и возможные части состояния, которое они изучают. Таким образом, остается открытым вопрос о том, как изучить инвариантную структуру скрытого мира без оплаты за его реконструкцию. Для того, чтобы закрыть этот пробел, мы введем SplitJE