LeCun 團隊釋出 1.09 億引數 JEPA 文本模型

2026 年 10 月 29 日，Yann LeCun 與布朗大學電腦科學助理教授 Randall Balestriero 共同釋出一篇 37 頁的論文《Proving and Improving the Platonic Representation Hypothesis with JEPAs》。論文提出，在特定條件下，JEPA 框架下不同模態的 AI 模型即便獨立訓練，也能學到可相互對齊的世界表徵。

論文中的數字顯示，團隊訓練的一個 1.09 億引數文本 JEPA 在跨模態表徵對齊測試中超過了 Qwen2.5-72B、Llama-3-70B 等大型語言模型；在另一項實驗中，採用新方法的模型只用 2160 萬個訓練樣本，就達到了下一 Token 預測模型用 9 億個樣本才能獲得的表徵對齊水平，樣本數量相差約 42 倍。InfoQ 中文在 2026 年 11 月 2 日報道了這篇論文。目前資訊到此為止，論文提出的是特定條件下的實驗結果，是否意味著更大範圍的行業方向調整，材料中沒有結論。