热点事件观察中
LeCun 论文：下一 token 预测效率低，JEPA 替代
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年11月2日，机器之心报道，LeCun 参与提交的论文《Proving and Improving the Platonic Representation Hypothesis with JEPAs》从数学上论证了下一 token 预测路线效率低下，并提出用「好视图」JEPA 训练作为替代方案。报道称，1.09 亿参数模型的对齐效果超过 720 亿参数的大语言模型。目前该工作处于论文发布与媒体解读阶段，尚无后续实验复现或同行评议进展的报道。
AI 根据报道生成 · 1 小时前更新
最新进展11月2日 18:19
LeCun 参与论文提出 JEPA 训练替代下一 token 预测，称小模型对齐效果超 720 亿 LLM。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- 机器之心（公众号）LeCun 论文证明：下一 token 预测路线效率低，1.09 亿参数模型对齐效果超过 720 亿 LLM
LeCun 参与提交的论文《Proving and Improving the Platonic Representation Hypothesis with JEPAs》从数学上论证了下一 token 预测路线效率低下，并提出用「好视图」JEPA 训练替代。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。