JEPA-Anything：跨不同世界学习预测模型
JEPA-Anything是一种基于正交预测因子分解的领域无关世界建模框架。它扩展了联合嵌入预测架构，将潜在目标分解为互补因子，通过专用路径进行学习，再在统一的预测设计中重新组合。研究人员在视觉、生物学、临床轨迹、控制、分子动力学、物理场和天气等七个领域进行了评估。论文称，与匹配的JEPA基线相比，该方法在10项动力学任务中均改善了指标，并将Interventional Pong中的单次干预预测误差降低34.8%。在四个分子系统中，它的一步和100步预测误差也都是对比方法中最低的。一项由模型提出的生物干预在细胞共培养、患者来源类器官、肿瘤组织片和小鼠实验中获得了支持。代码已在GitHub上公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。