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。
所属事件:JEPA-Anything：一套预测核心横跨七大领域的世界模型(6 条相关)→
「研究」频道最新
- 哈佛教授承认：AI 生成的文章评审已全面优于人类最佳水平 — iamfakhrealam · 2026-11-04
- Cohere等论文:合成预训练收益竟源于嵌入初始化偏差 — LauraRuis · 2026-11-04
- kalomaze 展示 DeepSeek V3.1 底座更大骨干实验，eval loss 降至约 0.82 — kalomaze · 2026-11-04
- Reddit 网友无梯度改写 Qwen 0.6B 权重：39.8M token 让模型「爱上一支乐队」 — Altruistic_Heat_9531 · 2026-11-04
- SpecPilot 智能体自动优化投机解码：速度从 4.46× 提升至 10.87× — pmttyji · 2026-11-04
- 自主 Agent 定制 MSA 策略，提升 AlphaFold 3 蛋白复合物预测 — SJTU · 2026-11-04