热点事件持续更新
JEPA→GRPO二阶段训练开源checkpoint与配方
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月27日，AGI Hunt 报道称，有作者公开了「JEPA→GRPO」两阶段训练管线的 stage-1 checkpoint 与完整配方，共涉及两个开源模型。按该报道，流程为：先让 Qwen2.5-Math-1.5B-Instruct 在约 3.2 万条经过验证的数学 CoT 轨迹上做 JEPA 预训练，训练 400 步即达到收敛，cos 相似度不低于 0.90；随后用这一 checkpoint 初始化普通 GRPO，进入第二阶段强化学习。报道把这一管线定位为“JEPA 预训练接 GRPO 强化学习”，并强调配方与 checkpoint 均已公开。截至目前，公开信息只有这一篇报道，其中未给出第二阶段的训练结果与评测数据。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 08:19
作者公开两个JEPA stage-1开源checkpoint及完整两阶段配方，400步收敛cos≥0.90。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- AGI HuntJEPA 预训练接 GRPO 强化学习：两个开源 checkpoint 公开完整配方
作者公开「JEPA→GRPO」两阶段管线的 stage-1 checkpoint 与完整配方，含两个开源模型。Qwen2.5-Math-1.5B-Instruct 在约 3.2 万条已验证数学 CoT 轨迹上做 JEPA 预训练，400 步即收敛至 cos≥0.90，再用于普通 GRPO 初始化。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 09:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。