Being-H0.8 將觸覺帶入隱空間機器人模型
北京大學教授盧宗青創立的 BeingBeyond，正開發在 embedding space 中預測機器人動作與未來世界狀態的隱空間世界動作模型，而非生成像素畫面。其 Being-H0.8 將觸覺與視覺、動作及未來狀態預測結合，用於強化物理互動推理。
Search
Tag: #latent-space11 results
R1 時刻：LIBERO 終結者達 99.9%
具身大模型 LIBERO 終結者達成 LIBERO 基準測試 99.9%，標誌 R1 時刻。它開創物理推理新範式，在隱空間進行「物理思考」。這實現機器人任務的真正泛化。
🔬
超越思維鏈：潛在推理技術的興起
這篇文章探討了從顯性思維鏈（CoT）轉向潛在推理（Latent Reasoning）的趨勢，旨在解決模型推理的系統成本與可靠性問題。BDH（Dragon Hatchling）作為一種結合語言建模與狀態化潛在計算的新興研究方向，展示了在無需回溯的情況下處理複雜約束問題的潛力。
DVD-JEPA：一個完全可重現的 JEPA 世界模型
DVD-JEPA 是一個開源且極簡的聯合嵌入預測架構 (JEPA) 實作，透過預測潛在表徵而非像素來學習世界模型。它在簡化環境中展示了有效的異常檢測與未來狀態預測能力，並可完全在瀏覽器端運行。
🔬
語義密集上下文會觸發潛在空間發散
一項實證研究指出，長篇且語義密集的文本可能會改變模型的內部狀態，進而繞過對齊機制，且無需使用明確的越獄提示詞。研究者目前正尋求專家審核，以確認這是否為真實的語義劫持，還是模型架構產生的偽影。
LeCun 的願景：隱空間世界模型的技術競賽
Yann LeCun 正全力押注「世界模型」作為 AI 的下一個前沿領域。全球領先的視覺 AI 團隊目前已在積極研發並部署這些複雜的隱空間架構。
大型語言模型在潛在空間的自適應思考
Apple研究展示大型語言模型（LLMs）在測試時計算中執行中間鏈式思考（CoT）推理，以提升生成答案前的思考能力。透過自一致性作為思考必要性的代理，探討模型能力、查詢複雜度與最佳預算分配的關係，以實現計算最優推理。增加思考預算可平滑提升效能，但需了解最佳配置。
Apple Transformer 潛在預瞄訓練
Apple 的 Latent Lookahead Training for Transformers 論文獲 ICLR 2026 潛在與隱式思考工作坊接受。該方法解決自迴歸模型的限制，讓模型能在不早早承諾的情況下探索多種延續可能。透過非均勻運算分配，提升模型在困難 token 上的表現力。
CRAFT：隱藏狀態RL防護越獄攻擊
CRAFT是一種紅隊對齊框架，利用隱藏表示對齊推理模型，提升對越獄攻擊的魯棒性。它結合對比學習與RL，在潛在空間分離安全/不安全軌跡。在Qwen3-4B-Thinking與R1-Distill-Llama-8B上，實現推理安全提升79%、回應安全提升87.7%，優於IPO與SafeKey。
潛在推理在弱監督與強監督下的表現
這篇 arXiv 論文分析潛在推理方法，該方法在連續潛在空間中執行多步驟推理。研究發現普遍存在捷徑行為，且缺乏真正的 BFS 式探索，而是隱式修剪。強監督減少捷徑但限制假設多樣性，弱監督則允許更豐富表示但捷徑風險更高。