📖 AI 总结

这篇技术报道介绍了PhAI Labs联合牛津、斯坦福、普林斯顿、港中文等团队提出的JEPA-Anything框架，试图探索AI能否用同一套底层预测方法理解物理、生物、天气等差异巨大的系统。其核心机制OPF（正交预测分解）将目标状态拆分为多个互补子空间，由不同预测分支独立处理，并通过正交约束避免冗余和表示坍缩。实验覆盖视觉、生物、临床、控制、分子、物理场和天气七类系统：在受控Pong环境中，模型面对未见过的多因子组合干预时均方误差下降约3.5%；在九项动力学预测任务中性能均有提升，如Burgers方程和浅水方程的MSE分别下降39.7%和39.3%。更引人注目的是，模型在未被告知开普勒定律的情况下，从行星轨迹中提取出的轨道频率与半长轴关系拟合斜率接近理论值-1.5，R²高达0.99999999。这表明跨领域共享预测核心具有可行性，为通用世界模型研究提供了新思路。