Перед тем, как постить призёров ICML 2026, новая адаптивная джепа! AdaJEPA: An Adaptive Latent World Model __Ying Wang, Oumayma Bounou, Yann LeCun, Mengye Ren__ Paper: https://arxiv.org/abs/2606.32026 Review: https://arxiviq.substack.com/p/adajepa-an-adaptive-latent-world Code: https://github.com/agentic-learning-ai-lab/adajepa Site: https://agenticlearning.ai/adajepa/ Model: N/A # TL;DR ЧТО сделали: Авторы представляют AdaJEPA — фреймворк адаптивной латентной модели мира, который выполняет онлайн-адаптацию во время инференса (test-time adaptation, TTA) в замкнутом цикле управления с прогнозированием (Model Predictive Control, MPC). Используя выполненные действия в качестве self-supervised сигнала, AdaJEPA обновляет выбранное подмножество параметров визуального энкодера и предиктора динамики всего за один градиентный шаг на каждый цикл управления, на лету калибруя модель под новые условия среды. ПОЧЕМУ это важно: Традиционные латентные модели мира остаются замороженными во время деплоя, из-за чего они пасуют перед сдвигами распределения на инференсе (например, при изменении физики, геометрии окружения или визуальном шуме). AdaJEPA ломает эту статичную парадигму. Она предлагает легковесную и очень эффективную по выборке непрерывную адаптацию без необходимости в разметке ревордов, демонстрациях экспертов или дорогостоящем офлайн-переобучении. Это открывает реальный путь к запуску устойчивых автономных агентов в постоянно меняющихся физических средах. Для практиков: Метод позволяет адаптировать предобученные JEPAs к измененным условиям среды (новому трению, освещению или шуму) прямо во время инференса. Для этого требуется обновить лишь малую часть параметров (например, последний блок трансформера и проекционный слой энкодера) с помощью крошечного буфера на 5 переходов, что добавляет всего 10–30 мс задержки на шаг планирования на одном GPU. Адаптироваться тут: https://t.me/gonzo_ML_podcasts/4333