零标注训练

Meta发布V-JEPA 2模型，通过学习超过一百万小时的原始视频建立直觉世界模型，无需人工标注帮助AI Agents理解物理常识并规划行动。该模型采用联合嵌入预测架构训练，在视频上进行自监督学习，能处理多视角短视频，并具备强大的视觉空间下自回归规划能力。