待验证50% 置信事实精确时间
Mol-JEPA定位为基础模型，旨在通过大规模自监督预训练学习通用的分子表征，然后迁移到多种下游任务
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/5
首次发现
有效期至：2026/12/4
来源
涉及实体
相关事实
待验证JEPA 的核心技术如掩码预测、隐空间建模、防坍缩正则化并非独创，均源自更广泛的自监督学习研究谱系，包括 SimCLR、MAE、BYOL 等工作69% 相似已验证GLM系列最初采用自回归填空的预训练框架，兼顾理解与生成能力64% 相似待验证专用SWE模型通常采用领域数据筛选、持续预训练和针对性指令微调三重策略64% 相似待验证JEPA 系列（I-JEPA、V-JEPA 等）目前主要在图像和视频的自监督表示学习任务上展示了竞争力，在机器人控制和长时序规划等复杂决策任务上仍缺乏标志性成果61% 相似待验证一次模仿学习（One-Shot Imitation Learning）由Duan等人在2017年提出，让模型在元训练阶段观察大量演示-执行对以从单次演示中提取任务规格61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/862176API
curl https://kongchang.com/api/v1/knowledge/claims/862176MCP
get_claim(id=862176)