TY  - UNPB
TI  - JEPA-Anything: Learning Predictive Models across Different Worlds
UR  - https://arxiv.org/abs/2609.20800
DO  - 10.48550/arXiv.2609.20800
DA  - 2026-09-17
KW  - Juju Radar
KW  - 待阅读
KW  - 世界模型
KW  - AI for Science
N1  - Juju Radar · 2026-09-19  如果目标是预测系统接下来会怎样变化，视觉、细胞、天气能不能共用一套学习方法？JEPA-Anything 把这个问题放到七类领域中测试。它的关键做法，是把内部表示分成若干互补的部分，分别预测，再重新组合，让不同变化因素不必挤在同一份表示里。  论文在十项配对的动力学任务上报告了改进，范围包括干预后的场景、分子运动和物理场。但“共用方法”不是“一套权重通吃所有领域”：各领域仍有自己的输入、编码器和任务设置。数学上的正交约束，也不等于模型自动找到了真正的因果机制。  生物部分还有后续实验：研究者考察了 IL-18 与 CD73 阻断的组合，在共培养、患者来源样本和小鼠中验证部分结果。患者来源的类器官与肿瘤片段，不是患者接受治疗的临床试验；样本规模和适用条件都不支持直接推导人体疗效。  这是本期值得多看一眼的探索。GitHub 提供通用核心和示例，Hugging Face 上可见领域代码与检查点；仓库的快速示例并不复现全部论文结果。本期未运行这些工件。后续要看跨任务复现，以及换到分布外条件时，预测还能不能可靠。  论文17日提交、18日公告；本期未独立复现。 本期资料：https://www.asteronline.cn/juju-radar/2026-09-19/
ER  -