LeCun 团队发布 1.09 亿参数 JEPA 文本模型

2026 年 10 月 29 日，Yann LeCun 与布朗大学计算机科学助理教授 Randall Balestriero 共同发布一篇 37 页的论文《Proving and Improving the Platonic Representation Hypothesis with JEPAs》。论文提出，在特定条件下，JEPA 框架下不同模态的 AI 模型即便独立训练，也能学到可相互对齐的世界表征。

论文中的数字显示，团队训练的一个 1.09 亿参数文本 JEPA 在跨模态表征对齐测试中超过了 Qwen2.5-72B、Llama-3-70B 等大型语言模型；在另一项实验中，采用新方法的模型只用 2160 万个训练样本，就达到了下一 Token 预测模型用 9 亿个样本才能获得的表征对齐水平，样本数量相差约 42 倍。InfoQ 中文在 2026 年 11 月 2 日报道了这篇论文。目前信息到此为止，论文提出的是特定条件下的实验结果，是否意味着更大范围的行业方向调整，材料中没有结论。