AI 简报 - 2026/10/25

本期值得看

• 在 VoxCPM2 上发现，最后一层里探针准确率 0.970 的说话人信息改了也换不了音色，而在最早的参考音频位置上做对齐编辑，60 组目标说话人全部生效。
• 发现只做潜空间预测学不到实体之间的关系，加上从关系通道变化反推动作的逆动力学损失后才能在没有关系标注的情况下学到。
• 用跨文本、图像、视频和音频的多轮历史考察对话 agent 的长期记忆，并把失败定位到表示、检索、传递和读取各个环节。

表示学习与世界模型

Inside-JEPA: From Prediction to Relational Grounding in Latent World Models

Hossein Resani, Javen Qinfeng Shi · arXiv 2026-10-22