LeCun团队连发三文：从稀疏表征到梯度规划，世界模型技术栈再进阶

背景：非生成式世界模型通过潜空间预测避免了像素级生成的高计算开销，但在构建高效自主智能系统时，仍面临特征稠密、规划效率低和架构厚重等工程与算法短板。研究目的：LeCun团队的三项工作旨在分别从正则化目标修正、梯度轨迹优化和轻量化工程实现三个维度，提供针对性的优化方案，以提升世界模型的表征效率、控制精度和系统可扩展性。结论：Rectified LpJEPA通过引入整流广义高斯分布作为正则化目标，实现了可控的稀疏表征，提升了特征解耦能力；GRASP通过并行配置和梯度截断机制，实现了稳定的梯度规划，在长程任务中优于传统采样方法；EB-JEPA通过模块化设计降低了复现门槛，支持在单卡GPU上训练，促进了技术落地。这三项工作共同构成了JEPA世界模型技术栈的闭环，为后续研究提供了明确的技术基线。