世界模型

SJEPA: Learning Elegant Latent Dynamics with Hybrid Symbolic-Neural Predictors

SJEPA：通过混合符号-神经预测器学习简洁的潜在动力学

Yongchao Huang

专题命中 模型式强化学习 ：latent dynamics(title)；分类 cs.AI、cs.LG

AI总结 SJEPA是一种无重构的JEPA框架，结合符号定律与神经修正学习简洁潜在动力学，在受控摆实验中展现更优性能，揭示了多目标间的可控权衡。

Comments 42 pages

Bi-Level Reinforcement Learning Pathway for Sim-to-Real Optimality

面向仿真到真实最优性的双层强化学习路径

Akhil S Anand, Shambhuraj Sawant, Paavo Parmas, Jasper Hoffmann, Dirk Reinhardt, Sebastien Gros

专题命中 模型式强化学习 ：model-based RL(abstract)；分类 cs.AI、cs.LG；simulation model(abstract)

AI总结 针对仿真到真实RL的目标不匹配问题，提出双层RL方法，通过分析策略对仿真参数的敏感性，结合真实策略性能梯度调整仿真模型，提升真实环境下的策略性能。

Journal ref RLJ, 2026