LeCun 的 JEPA 路线迎来一篇世界模型论文
nikola_mr64990 · x · 2026-07-22
Yann LeCun 的 JEPA 路线又被推到台前
这条帖子的核心观点是：生成式 AI 可能在效率上走偏了。作者认为，下一词/下一像素预测会把大量算力浪费在表层细节上，而不是学习世界的底层结构，因此 LeCun 一直强调的 JEPA 路线更合理。
配图是一篇题为 LeWorldModel 的论文截图，摘要信息显示它是一个从像素端到端训练的 JEPA 世界模型：
- 只用两类损失完成稳定训练
- 相比现有端到端替代方案，超参数从 6 个降到 1 个
- 1500 万参数，单卡几小时可训练
- 在多种 2D/3D 控制任务上，声称比基于 foundation model 的 world model 快 48 倍
- 潜变量空间还能编码物理结构，并检测不合理事件
这条内容本质上是在给 LeCun 长期主张的“抽象空间预测”路线提供一项具体研究证据。
「漫话AGI」频道最新
- 播客梳理 Kimi、Qwen、GLM 与中文实验室开源竞赛 — natolambert · 2026-07-22
- 《纽约客》：AI 性别差距，和育儿性别差距有关 — newyorker · 2026-07-22
- 对齐难题：做正确的事与服从用户要求并不兼得 — ctjlewis · 2026-07-22
- 非洲AI研讨会：摆脱前沿模型依赖，构建本土智能体 — ChinasaTOkolo · 2026-07-22
- 自进化 Lean 证明代理靠基准共演化，miniF2F 达到 45.1% — omarsar0 · 2026-07-22
- 只拼榜单分数会忽略速度成本与算力 — DevToD4 · 2026-07-22