jepa

一个 GitHub 仓库，提供 JEPA 系列模型（I-JEPA、V-JEPA、V-JEPA 2、C-JEPA）的极简、独立 PyTorch 重新实现，供教育用途，包含教程和可视化工具。

作者提出了 Sub-JEPA，这是一种利用子空间高斯正则化来提高 LeWM 等端到端世界模型稳定性的方法，在连续控制基准测试中表现出一致的性能提升。

Yann LeCun的团队发布了LeWorldModel，一个仅有1500万参数的物理模型，在单张GPU上训练数小时，在规划速度和物理合理性上超越了价值数十亿美元的基础模型，挑战了主流的规模扩展范式。

本文介绍了AeroJEPA，一种用于可扩展3D气动场建模的联合嵌入预测架构。它通过预测流场的语义潜在表示，解决了当前代理模型在可扩展性和设计实用性方面的局限性，从而实现了高效的高保真分析和设计优化。

据称 Yann LeCun 因 JEPA 被 LLaMA 边缘化而离开 Meta，创立 AMI Labs，在通用硬件上打造简化版模型。

LeWorldModel 提出了一种稳定的端到端联合嵌入预测架构（JEPA），可直接从像素进行训练，仅需极少超参数，并具有可证明的反坍塌保证。与基础模型相比，它在规划速度上实现了显著提升，同时在机器人操作任务中保持了具有竞争力的性能。