LeCun团队论文用JEPA证明并改进柏拉图表征假说

Yann LeCun 参与提交的论文《Proving and Improving the Platonic Representation Hypothesis with JEPAs》把柏拉图表征假说变成定理，并给出可操作的充分条件：在最优解除旋转外唯一等条件下，得到的表征只差一次整体旋转。论文同时提出基于 JEPA 的「好视图」训练方法，并称下一 token 预测路线效率较低。 实验上，好视图 JEPA 处理 2160 万训练样本后取得 0.109 的 WIT 对齐分数，下一 token 预测处理 9 亿样本后取得 0.111；由于好视图训练每个样本读取三份文本，按实际读取的文本 token 计算，差距约为 14 倍。在 WIT-1024 基准上，以 DINOv2-B 为视觉参照，默认配置三次训练平均对齐分数为 0.184，高于 Qwen2.5-72B 的 0.154 和 Llama-3-70B 的 0.151。

AI 根据报道生成 · 2 小时前更新