Yann LeCun:能量基模型是理解各类深度学习的统一框架
LeCun 把分类、自监督、扩散模型、JEPA 全塞进能量基模型一个框架讲,还给了免费课程链接、2006 年教程论文和 2019 年讲座。想搞懂 JEPA 到底是什么、和 diffusion 有啥关系的人直接看这套材料最省事。
Yann LeCun 在 X 上表示,他过去约 20 年在 NYU 的 Deep Learning 课程核心观点是:分类、回归、结构化预测、无监督与自监督学习都能放进 energy-based models 这一统一框架内理解。
他列举了该框架覆盖的方法,包括 clustering、auto-encoders、denoising AE、variational AE、Siamese nets、joint embedding、JEPA 以及 diffusion models,并指向 2021 年课程(atcold.github.io/NYU-DLSP21/)的第 3 和第 4 主题作为学习材料。
配套资源方面,@alfcnz 正基于该课程编写一本 EBM 教科书;LeCun 还提供了两个原始材料:2019 年在 IAS 关于用 EBM 理解自监督学习的讲座(youtu.be/m17B-cXcZFI)和 2006 年的 EBM 教程论文(yann.lecun.com/exdb/publis/pd…)。这套论述与 Meta 近年押注 JEPA 架构的方向一致,对想系统理解自监督学习原理的开发者是完整的免费资料链。
That's the essence of my Deep Learning course at NYU for the past 20 years or so. Everything can be understood within the unified framework of energy-based models, including classification, regression, structured prediction, unsupervised and self-supervised learning (clustering, auto-encoders, denoising AE, variational AE, Siamese nets, joint embedding, JEPA, diffusion models,...). Look at themes 3 and 4 from our 2021 course: atcold.github.io/NYU-DLSP21/ @alfcnz has been working on an EBM textbook derived from my course. Here is a lecture I gave at IAS in 2019 about understanding SSL with EBM youtu.be/m17B-cXcZFI?is… There is also my 2006 EBM tutorial paper: yann.lecun.com/exdb/publis/pd…📊 29 ⚡
本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Yann LeCun、JEPA、能量基模型、自监督学习,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「Yann LeCun」(@ylecun),经 AITOP 多维评分管线结构化提炼。