JEPA-Anything：基于正交预测分解的跨领域通用世界模型框架

研究团队推出跨领域通用世界模型框架 JEPA-Anything，基于正交预测分解（OPF）探索统一联合嵌入预测架构在异构物理与复杂系统中的建模可行性。

• 框架通过正交预测分解将潜在表征解耦为互补因子，经由专用通道独立学习后在共享预测结构中重组，实现领域通用的动力学表征。
• 评测覆盖视觉、生物学、临床轨迹、控制、分子动力学、物理场与气象等 7 大领域，涵盖 10 项动力学任务、超 1000 种临床事件预测及 100 步分子动力学推演。
• 在 10 项动力学任务中指标均优于同类 JEPA 基线，在 Interventional Pong 上的单次干预预测误差降低 34.8%，并在 4 种分子系统中取得最低的单步与 100 步误差。
• 模型筛选出的生物干预在细胞共培养、类器官及小鼠实验中获得验证，其潜在轨道模式拟合出的斜率为 -1.4991，与开普勒标度指数高度吻合。
• 影响/看点：该研究验证了预测分解机制跨越不同科学领域的表征潜力，若能在更大规模真实实验中持续验证干预预测的准确性，有望辅助计算生物与物理动力学的数据驱动研究。
• 资料依据：
• arXiv（2026-09-17）：https://arxiv.org/abs/2609.20800
• GitHub（2026-09-17）：https://github.com/Gen-Verse/JEPA-Anything

本内容由 AI 生成，仅供参考，请注意甄别