JEPA-Anything跨领域框架

RecodeX 重构消息，PhAI Labs联合牛津、斯坦福、普林斯顿、香港中文大学等团队发布跨领域预测学习框架JEPA-Anything，相关论文已公开。该框架让各领域保留自身观测形式与编码器，共享预测核心及统一的隐空间世界状态接口，核心机制为正交预测分解（OPF），将目标状态切分为互补子空间交由不同预测分支处理，并引入正交约束、因子活性约束和编码器方差约束。

实验覆盖视觉、生物、临床、控制、分子、物理场和天气七类系统。在受控环境CITRIS Interventional Pong中，分布内单项干预预测误差较标准JEPA降低约11.7%，未见多因子组合干预的均方误差下降约3.5%。在十项动力学基准任务中九项指标提升，Burgers方程MSE下降39.7%，浅水方程下降39.3%，WeatherBench 2下降10.5%。