arXiv cs.AI· Zhiyuan Liu, Sicheng Liu, Haiyu Wu·· 11 小时前AI 评分24
Quantum-JEPA：用条件量子 Born 先验学习潜在动作世界模型
Quantum-JEPA: Quantum Born Priors for Latent-Action JEPA World Models
AI 导读
Quantum-JEPA 提出一种潜在动作 JEPA 框架，通过条件量子 Born 先验学习未来表征的分布：电路测量生成二值潜在动作，由共享预测器映射为多种未来表征，并以采样能量目标训练量子先验。
正文 · AI 翻译
摘要：单次观测可能对应多种可能的未来，因此不确定性是世界建模中不可或缺的一部分。然而，量子生成模型在此任务上仍鲜有探索。我们提出 Quantum-JEPA，一个潜在动作 JEPA 框架，它使用条件量子 Born 先验来学习未来表示分布。电路测量生成二值潜在动作，由共享预测器将其映射为备选未来表示。我们通过采样能量目标，依据这些预测的质量与多样性来训练量子先验。我们的模型在构建的多模态任务上学习到不同的延续，并捕捉到支持多智能体协同未来的潜在动作相关性。在 D3IL 这一包含多样人类演示的基准上，我们训练出的模型能够从共同起点出发、在未观测运动的情况下生成多条避障路线。在受控任务上，我们的经典与量子先验实现相比所评估的变分基线，提升了预测有效性与分布保真度。我们的量子先验将具有竞争力的预测质量与参数高效的采样结构相结合：它们避免了指数级规模的类别输出层，同时支持相关的潜在动作。我们进一步验证了有限采样参数偏移训练，包括带读出噪声的训练。与以往大多聚焦于仿真不同，我们还验证了在真实 QPU 上使用训练后先验进行推理的可行性。这些结果为 JEPA 未来预测建立了一个可训练的量子组件，并为在更大规模上探索量子增强世界模型奠定了基础。
| 评论： | 36 页，7 幅图 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.27921 [cs.AI] |
| （或 arXiv:2610.27921v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.27921 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sc Liu [查看邮箱]
[v1]
2026 年 10 月 20 日星期二 09:33:35 UTC（1,439 KB）
来源：arXiv cs.AI · arxiv.org