UIUC等提出DSReg：让JEPA表征对应真实变量

2026年10月26日，机器之心报道，UIUC、冷泉港实验室、布朗大学和马普所的研究者提出 DSReg（Dependency-Sparsity Regularization）方法，并给出首个完全可识别的 JEPA 理论框架。据该报道，DSReg 可直接加在已训练好的 JEPA 上，使学到的每一维对应太阳、月亮、温度、风等真实世界变量；整个过程不需要重建观测、不需要解码器，也不需要任何标签。报道称，DSReg 可应用于预训练表征，直接复用现有 LeJEPA checkpoint，达到与联合训练相似的效果；局部 Jacobian 无需显式存储，整个框架在一张 48GB 显卡上可做到 8192 维。报道还指出，该方法要求生成过程满足 Structural Diversity，即任意两个变量影响的观测集合不能完全相同。目前事件进展停留在该方法与理论框架的提出及上述条件说明，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。