PhAI Labs 团队将 LeCun 的 JEPA 架构扩展为跨七领域通用世界模型 JEPA-Anything

PhAI Labs 联合斯坦福、牛津和普林斯顿的研究人员发布了 JEPA-Anything，这是一种基于 Joint-Embedding Predictive Architectures (JEPA) 的新架构，旨在通过单一共享原则处理从物理到生物学的七个不同领域。该模型不重建原始数据，而是预测缺失或未来状态的抽象摘要，并将预测状态拆分为四个正交因子，每个因子由独立的预测模块处理，最后重组为完整的世界状态。

实验结果显示，JEPA-Anything 在动态系统测试中表现优异：在简化的 Pong 环境中，针对干预措施的预测误差下降了 35%，对于训练时未见过的干预组合，误差下降了 13%。在流体动力学基准 Burgers 方程上，误差几乎减半；在水、石英、对乙酰氨基酚和苯的模拟中也优于标准 JEPA。此外，该模型在单细胞数据中更可靠地分配细胞类型，在临床数据中预测了超过 1,000 种疾病事件。最引人注目的是，模型分析生物数据后提出了一种肝癌治疗候选方案（IL-18 与 CD73 阻断剂的组合），并在实验室测试中证实该组合比单独使用任一药物更能杀死肿瘤细胞并激活免疫细胞。

尽管取得了这些进展，作者也指出，学习到的部分分离并不意味着它们捕捉到了真实的因果关系，且何时此类模型能可靠地指导实验设计仍是一个开放性问题。代码和模型已公开可用。值得注意的是，Google DeepMind 此前已在 2025 年 10 月用 AI 生成的癌症假设进行了实验室测试，其 Gemma-based 模型 C2S-Scale 27B 提出了使肿瘤细胞更易被免疫系统识别的药物 silmitasertib，并通过人类细胞模型实验确认了这一预测。DeepMind 的多智能体系统 Co-Scientist 现在计划实验并操作实验室设备，覆盖了 JEPA-Anything 团队希望构建的部分循环，但样本加载仍需人工完成。