杨立昆发布新模型 H-JEPA，提出不同于当下主流 AI 的技术路线

以美队电梯一句口令影响后续行动乃至宇宙命运的例子引出杨立昆提出的 H-JEPA 新世界模型，它由分层堆叠的 JEPA 构成，不在像素层面生成内容，而是将画面压缩为抽象向量后在潜在表征空间预测不同时间跨度的未来状态，高层输出宏观粗略目标后逐层向下细化为子目标，最终到底层输出具体动作。不同于当前主流长任务拆细分步试错、依赖奖励训练的 Agent 路线，H-JEPA 通过增加抽象层级向上扩张，无需外部奖励和像素重建，仅在表征空间学习预测状态，能减少长任务的误差累积、降低规划计算量，在迷宫等任务中表现远超单层模型，且层数并非越多越好。杨立昆还不看好当下火热的 RSI 路线，认为它只是对模型原有能力的放大，无法补全世界模型缺失的核心能力，物理世界也缺乏足够的可验证判断依据支撑其运作，AI 首先要学会正确表示世界，递归自我改进才有意义。