JEPA-Anything 是一个基于 JEPA（联合嵌入预测架构）思路的统一世界模型框架，目标是让一套训练配方覆盖多个领域，而不必为图像、视频、语言等各自单独设计模型。它的核心方法是“正交预测分解”：把跨领域的预测目标拆分成彼此正交的子任务，从而在不同数据形态之间复用同一套预测建模流程。
JEPA-Anything 近期进展
当前焦点与观察点
JEPA-Anything 引起关注的主要原因是它回应了 Yann LeCun 长期倡导的 JEPA 路线中的一个悬而未决的问题：联合嵌入预测架构此前多在图像（I-JEPA）、视频（V-JEPA）等单一模态内验证，能否真正“跨世界”泛化一直缺少系统性证据。这项工作给出的答案是拆解预测目标，而非堆叠模态专属模块。
值得观察的点有三个：一是 7 个领域的覆盖中是否包含语言这类离散序列数据，这决定它能否与主流 LLM 路线对话；二是统一配方相比各领域专用模型在性能上的差距有多大，通用性通常伴随一定精度折让；三是正交分解的实际计算开销与训练稳定性。如果后续有独立复现结果，它可能成为世界模型走向通用化的重要参照；反之若仅在论文设置内成立，其价值会更多停留在方法层面。