你让一个 AI 同时预测台球的运动、病人的下一次临床事件和分子的长期变化，它通常需要三套不同的办法。JEPA-Anything 追问的是：这些“世界”虽然表面完全不同，背后能否共享一种预测原则？它不要求图像、病历和分子使用同一种编码器，而是把预测的核心步骤统一起来。值得现在看，正因为它尝试把 JEPA 从一种专用架构，推向一种跨领域的世界建模原则。
这里的 JEPA，全称是 Joint-Embedding Predictive Architecture。它不直接猜下一张图的每个像素，而是在表征空间——模型把复杂输入压缩成内部数字后形成的抽象空间——预测未来状态。就像判断“球会滚到桌边”，不必先画出球面上的每一道纹理。
论文作者把这套方法用于视觉、生物、临床轨迹、控制、分子动力学、物理场和天气七个领域。不过，目前证据全部来自作者团队的论文及配套项目，尚无外部独立验证。下文数字也只代表论文给定的数据、指标和对照设置。
不让所有规律挤在一条路上
标准 JEPA 通常把目标压成一个整体表示，再交给一条预测路径。问题在于，一个世界往往同时包含多种变化：物体在哪里、发生了什么操作、哪些部分变化快、哪些部分变化慢。若它们都挤进同一个目标，容易预测或波动较大的结构可能占据主要学习容量，较弱的规律则会被盖住。
JEPA-Anything 的关键是 orthogonal predictive factorization，简称 OPF，可译作“正交预测因子分解”。它把目标的潜在表示拆到若干互补子空间，让专门的预测路径分别学习，再把结果拼回完整状态。
可以把它想成几位分工明确的观察员：每个人负责记录不同侧面，最后合成一份完整报告。“正交”约束要求他们尽量不要重复记录同一件事；活动度约束则防止某位观察员彻底闲置。模型还会抑制编码器坍塌——也就是无论输入什么，都给出近似相同表示的失败状态。
这些因子由数据学出来，并不天然对应“温度”“位置”或“速度”等人能命名的变量。论文真正主张的是一种容量组织方式：把复杂预测拆开学习，同时保持各部分能够稳定重组。
统一的是原则，不是整台机器
“Anything”很容易让人误以为同一个模型原封不动地处理所有数据。论文实际划出的边界更克制。
每个领域仍需自己的适配器、输入切分方式和编码器。图像可以使用视觉 Transformer，分子可以使用图结构模型，临床记录可以使用序列模型。各领域还要自行规定“已知什么、要预测什么”：可能是遮住的图像区域、病人的未来状态，也可能是接受干预后的细胞状态。
统一的是后半段：目标表示如何分解、各因子如何预测、如何避免重叠与失活，以及怎样重新合成完整状态。换句话说，它更像一套通用的预测语法，而不是一台什么都能直接吞进去的万能机器。
合成后的状态有两种用途。一种是在预测结束后接一个任务读出器，例如判断细胞类型或估计临床事件风险。另一种更接近“世界模型”：把预测结果重新送回模型，连续推演多步未来。后者更难，因为每一步的小误差都会传给下一步。
哪些结果最能说明问题？
论文设置了 10 个条件匹配的动态任务。所谓“匹配”，是标准 JEPA 与 JEPA-Anything 使用相同数据、编码器、训练预算和评估划分，主要差别是整体预测与因子化预测。按作者报告，JEPA-Anything 在这 10 项任务的相应指标上全部改善。但这不等于它全面超过所有现有方法，只能说明在论文选定的对照中，因子化设计表现更好。
Interventional Pong 的结果更直观。这个简化的 Pong 环境会人为改变一个或多个底层状态，模型看到改变前的画面和干预标签，再预测下一状态。相较密集的标准 JEPA，JEPA-Anything 将单一干预的一步均方误差从 0.009541 降至 0.006218，降幅为 34.83%；未在训练中出现的组合干预，误差下降 12.90%；连续自由推演六步时，误差下降 8.58%。增益随预测链拉长而缩小，但没有立刻消失。
物理场实验也展示了误差累积的差别。在 PDEBench 的 Burgers 任务中，标准 JEPA 的第六步误差为 0.006369，JEPA-Anything 为 0.004014；浅水系统中则从 0.010510 降至 0.006522。另一组最长 50 步的 Burgers 实验仍有改善，不过论文明确显示，优势从第 20 步到第 50 步有所收窄。
在单细胞任务上，JEPA-Anything 的 PBMC 零样本聚类 AvgBIO 为 0.7752，高于匹配的 Cell-JEPA 的 0.7194；Norman 扰动反应预测的 Pearson 相关系数从 0.787升至 0.814。临床实验则预测超过 1,000 个未来事件风险，作者称平均 PRAUC 高于整体式 JEPA，但所给材料没有披露具体数值，“1,000 个事件”的统计口径也不够明确。
为什么值得关注？
真正有意思的，不是七个领域排成一长串，而是论文提出了一个可检验的中间命题：跨领域世界建模也许不需要共享输入形式，却可以共享“如何分配预测容量”的原则。
它还把因子坐标用作分析接口。作者报告，在四个分子系统中，该方法的一步和 100 步误差均低于论文比较的方法；模型提名的一项生物干预，也在细胞共培养、患者来源类器官、肿瘤组织片段和小鼠实验中获得支持。轨道分析中，潜在模式恢复出的 Keplerian scaling exponent 拟合斜率为 -1.4991。这些结果把模型从“预测得准不准”推进到另一个问题：学到的内部结构能否帮助提出实验假设，或重新显露已知物理规律。
但“共同原则”目前仍是一项有力假说，而不是已经证明的普适定律。七个领域展示了跨度，却不能代表任意世界；因子能够辅助分析，也不意味着每个因子都有清晰、固定的人类语义。
局限与未知
- 所有结果均来自同一作者团队，尚无独立复现。生物实验支持不能外推为人体临床有效。
- 跨领域共用的是 OPF 核心，各领域仍需要专门的适配器、编码器和任务定义，因此“领域无关”不等于零改造迁移。
- 论文展示了多项优势，但长程预测的增益会收窄，临床事件口径及部分实验细节也未在所给材料中完整披露。代码仓库已随论文给出，但许可证、可复现性和实际公开状态未获独立核验。