Yann LeCun 介绍了 VL-JEPA：一种高效的非生成性替代方案，优于传统的多模态 LLM，在速度和准确性上都表现出色。 * 非生成性与实时性：首个基于联合嵌入预测架构的模型，能够实时处理通用领域的视觉-语言任务。 * 优越性能：通过在潜在空间而非数据空间的标记中进行预测，它在控制实验中始终优于生成性 VLM。 * 流媒体效率：其非自回归设计允许选择性解码，为在线视频应用提供巨大的效率提升。 * 统一架构：一个模型同时掌握分类、检索和 VQA 任务。