待验证50% 置信事实精确时间
Quantum-JEPA 采用采样能量目标（sampled energy objective）来优化量子先验，使生成的潜动作既能产生有效的未来预测，又能覆盖多种可能的延续。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证Quantum-JEPA 使用条件量子玻恩先验（conditional quantum Born prior）来学习未来表征的分布，为 JEPA 引入了一个可训练的量子组件。75% 相似待验证Quantum-JEPA 的核心设计是用量子电路生成二值潜动作（binary latent actions），测量输出的比特串被解释为潜动作，再由共享预测器映射到不同的未来表征。74% 相似待验证量子算法如Grover搜索、量子振幅估计可用于加速MDP的价值迭代/策略迭代求解过程64% 相似待验证在受控任务上，经典先验与量子先验的实现均在预测有效性和分布保真度上优于所评估的变分基线。63% 相似待验证JEPA 借鉴了 BYOL 的动量编码器思想，同时吸收了 MAE 的掩码预测机制，但将重建目标替换为抽象嵌入63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1079375API
curl https://kongchang.com/api/v1/knowledge/claims/1079375MCP
get_claim(id=1079375)