JEPA-Anything 是一项面向潜在世界模型和正交预测因子分解的独立模型方法研究。
它探索如何在视觉、生物、临床轨迹、控制、分子动力学、物理场和气象这七个领域中，学习能够预测世界状态变化的潜在表示，并为干预预测、状态合成和科学诊断提供统一接口。
在未来的研究愿景中，JEPA-Anything 可以被理解为面向多个科学环境的统一预测模型或科学世界模拟器：当研究者提出某种科学行为或干预时，模型预先预测可能的状态变化、结果和风险，帮助筛选无效或代价较高的方案。这是希望探索的能力方向：目前它并不能模拟所有科学环境，也尚未接入 ScienceBuddy 或 ScienceIDE。
在整体研究图景中，它关注如何表示复杂系统中的多种可预测因素、如何预测不同干预带来的状态变化、如何为实验选择和科学诊断提供预测依据，以及如何在跨领域场景中复用潜在世界状态接口。
论文提出正交预测因子分解（OPF）：在联合嵌入预测架构之上，把潜在目标拆成互补因子，各自通过专门的通路学习，再在共享的预测设计中组合。评测覆盖表示学习、干预预测、分布外泛化和长时程动力学，包含 10 个匹配的动力学任务、超过 1000 个临床事件的预测，以及四个体系上的 100 步分子 rollout。
与匹配的 JEPA 基线相比，全部 10 个动力学任务的报告指标都有提升，Interventional Pong 上的单次干预预测误差降低 34.8%；在所比较的方法中，四个体系的一步和 100 步分子误差都是最低的。一项由因子提名的生物干预在细胞共培养、患者来源类器官、肿瘤组织块和小鼠中获得实验支持，潜在轨道模态复现开普勒标度指数，拟合斜率为 −1.4991。以上是在论文选定的领域和任务上的观察。
技术报告和 Hugging Face 上的模型集合已公开。本次发布不包含公开演示。