JEPA-Anything：一套框架横跨视觉、生物、气象等七大领域做世界建模
gekobraa · x · 2026-09-21
论文提出 JEPA-Anything，一个领域无关的世界建模框架，核心是正交预测因子分解（Orthogonal Predictive Factorization, OPF）：把单个 JEPA 潜状态拆成互补因子，各自通过专门通路预测世界的不同部分，再在共享预测设计中重组为完整状态。
- 在视觉、生物、临床轨迹、控制、分子动力学、物理场、气象七个领域评估，覆盖表征学习、干预预测、分布外泛化和长时程动力学。
- 全部 10 个匹配动力学任务指标优于匹配的 JEPA 基线；Interventional Pong 单干预预测误差降低 34.8%。
- 分子模拟：四个系统的单步与 100 步 rollout 误差均为对比方法最低。
- 潜在轨道模式恢复了开普勒标度指数（拟合斜率 -1.4991）。
- 因子提名的生物干预在细胞共培养、类器官、肿瘤组织和小鼠实验中获得验证，并预测了 1000+ 临床事件。
「研究」频道最新
- ECIR 2027 设 SAFE-SEARCH 研讨会，聚焦对话式搜索安全，1 月 15 日截稿 — HamedZamani · 2026-11-12
- 仅用正例自举后训练：235B 模型写出与人类难以区分的科学文本 — AllThingsApx · 2026-11-12
- UC Berkeley 开源 RoboSimStudio：AI Agent 无需训练数据编程工业机器人 — berkeley_ai · 2026-11-12
- LAION 发布 14 亿样本音频语料库，CLAP2-L 登顶 MAEB-30 达 53.6% — serrjoa · 2026-11-12
- Allen-Zhu新论文：Canon层随机卷积权重也能提升模型推理 — teortaxesTex · 2026-11-12
- Scale AI 论文：374 次攻击中 36% 成功，模型可在自训练迭代中暗中搞破坏 — Miles_Brundage · 2026-11-12