编码智能体的未来是JEPA吗？[D]

我最近听Yann LeCun解释了JEPA（联合嵌入预测架构），并开始思考将其用于编码智能体。如今大多数编码智能体的工作方式是将大量文本扔给前沿LLM，让其生成下一个补丁。这虽然出奇有用，但在架构上感觉不对劲。一个仓库不仅仅是标记的集合。一个失败的测试不仅仅是文本。软件具有状态。编辑是一种动作。一个好的智能体应该理解当前状态，想象可能的后续状态，选择最有前景的动作，验证它，并从发生的结果中学习。JEPA并不试图预测每一个原始细节。它学习有用的表示，然后预测这些表示如何变化。最好的比喻是视频。生成模型可以尝试预测下一帧的每一个像素。但大多数像素并不是关键。关键是汽车从左向右移动，一个人伸手去拿杯子，一个球即将落地。智能不是记住每一个像素，而是构建一个关于重要内容的紧凑模型，然后预测接下来会发生什么。代码也存在同样的问题。如今的LLM智能体常常盯着仓库的像素。它读取文件、注释、测试、堆栈跟踪、包元数据、文档，然后输出补丁标记。JEPA风格的版本不应需要重新读取和重新生成一切。它应将仓库编码为紧凑状态：文件、导入、符号、测试、失败、约定、包布局、用户意图。然后它应问：如果我添加这个测试、更改这个边界条件、更新这个导出、或修改这个函数签名，我期望下一个仓库状态是什么？如果可行，效率差异不仅仅是一个小优化，也不是推理成本降低20%。它可能便宜几个数量级，因为运行时循环不再是巨大的上下文输入、巨大的补丁输出。智能体可以本地运行。它可以保持结构化记忆。它可以在执行昂贵的验证之前对动作进行排名。它可以从每个失败的候选中学习。它可以不再将软件工程视为文本补全，而是将其视为状态转换规划。其他人怎么看？JEPA是codex或claude的未来吗？