JEPA-Anything：用正交预测分解统一跨领域预测框架
精选理由
Yann LeCun 路线的 JEPA 思想做了个开源实现，把预测拆成互不干扰的要素分别推算，附论文和 GitHub 框架，想搞世界模型研究的可以看看。
JEPA-Anything 提出一套通用预测学习框架，核心方法叫正交预测分解，把复杂状态拆成互不干扰的要素分别推算再拼回完整状态。应用方向涵盖细胞变化、分子运动、物理现象和医疗数据分析等场景。各学科保留专属数据接口，但共享同一套预测机制。GitHub 仓库提供基础框架、任务设计工具和一个合成数据示例，不含训练好的模型权重，科研人员需自行搭建系统。
原文 · Gorden Sun
JEPA-Anything：通用预测框架
想让 AI 学会像人类一样去“理解世界并做预测”。无论是观察细胞变化、分子运动、物理现象，还是分析医疗数据，本质上都是在根据已知情况推测未知结果。这个项目提出了一套通用的学习逻辑，试图用同一种底层思路去解决不同领域的预测问题。
核心的做法叫“正交预测分解”。传统模型往往把预测对象当作一个整体来硬猜，而这个方法把复杂的状态拆解成几个互不干扰的关键要素，让 AI 分头去推算各个部分，最后再拼回一个完整的状态。拼出来的结果既可以用来做长期推演，也能辅助实际决策，比如模拟药物反应或分析物理规律。
各个学科的数据形式完全不同，所以每个领域依然保留自己专属的数据接口，但核心的预测机制是共享的。
Github仓库提供的是一套通用的基础框架、任务设计工具和一个简单的合成数据示例。仓库里没有包含训练好的大模型权重，如果其他科研人员想把这套方法用到自己的领域，可以把它当作脚手架来搭建自己的系统。
Github：https://t.co/NsOgcJKZZE 论文：https://t.co/3B2pd1vRNl
