JEPA-Anything:一套预测框架横跨视觉、生物、天气等七大领域
Taoyong Cui · hf · 2026-09-18
Gen-Verse 团队发布 JEPA-Anything,一个基于正交预测因子分解(OPF)的领域无关世界建模框架,延伸 joint-embedding predictive architecture,将潜在目标分解为互补因子、分路径学习并在共享预测设计中重组。
- 在视觉、生物、临床轨迹、控制、分子动力学、物理场、天气七个领域验证
- 与同规模 JEPA 基线相比,在全部 10 个动力学任务上指标均有提升,Interventional Pong 单次干预预测误差降低 34.8%
- 分子模拟中,四个系统的单步与 100 步误差均为对比方法中最低
- 一个由因子提名的生物学干预在细胞共培养、类器官、肿瘤切片和小鼠实验中获得验证;潜空间轨道模态还恢复了开普勒标度指数(拟合斜率 -1.4991)
结论:异质世界间存在共同的因子化预测原理,把世界建模与干预、实验验证的科学发现连接起来。代码已开源。
「研究」频道最新
- 机器学习告别炼金术时代：研究将走向可证伪的证据科学 — mike64_t · 2026-09-18
- Together AI 提出分数中心化,修正 RL 训练-推理失配漂移 — PandaAshwinee · 2026-09-18
- Cell 推出 AI 生物学特刊,封面是抗衰老基准 LongevityBench — JosephJacks_ · 2026-09-18
- OpenAI 攻克 Navier-Stokes 后：人类数学家时代正在终结 — yeastsplainer · 2026-09-18
- 团队自研 BB-SLAM：纯视觉里程计 6 个月做出 2 厘米精度地图 — broodsugar · 2026-09-18
- AI4Science 现超预期突破，计算化学工作将大幅提速 — BenBlaiszik · 2026-09-18