DSReg 讓 JEPA 表徵每一維對應真實世界變數
UIUC、冷泉港實驗室等機構提出 DSReg，可直接加在已訓練好的 JEPA（LeJEPA）表徵上，讓每一維對應太陽、溫度等真實世界變數，且不需要重建觀測、解碼器或標籤。方法先估計觀測對錶徵的區域性 Jacobian，再在正交矩陣上最小化稀疏度，找到這個旋轉，理論上首次得到完全可識別的 JEPA。在合成資料、3DShapes 與 dSprites 上，它的恢復效果接近用標籤擬合的監督上界，六個下游任務均優於 LeJEPA，原有預測效能不變。
首次給出可證明完全可識別的 JEPA：只加在現成 checkpoint 上就能把混合表徵拆成單個世界變數，單卡支援 8192 維，對做世界模型與表徵學習的研究者是明確的進展訊號。
原標題：让JEPA真正理解世界背后的生成机制，DSReg让世界模型的每一维都有了真实含义
閱讀原文
| 評分 | 70 / 70（平均 70，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
ReGDiff 讓擴散模型生成又合理又新穎的超材料結構
維吉尼亞理工與 Meta 的研究者在 NeurIPS 2026 提出 ReGDiff，用擴散模型生成超材料體素結構，以緩解「貼著訓練資料」與「生成碎塊廢件」之間的兩難。方法分兩步：先用 RAS 把自編碼器潛空間整理成好壞可分、覆蓋均勻的形態，再在取樣時對近處已知樣本施加短程排斥。團隊還補上桁架體素資料集 MetaTruss 和五項量化指標，相比最強基線，幾何合理性平均提升 8.9%、新穎性提升 46.4%、多樣性提升 128.6%，生成 1000 個結構約 31 秒。
清華提出 Jev-LDE：ICL 範例只編輯一次，1-shot 準確率升至 88.1%
清華大學自動化系研究者提出 Local Demonstration Editing（LDE）與小型編輯模型 Jev-LDE，在目標 LLM 推理前對已檢索出的 demonstration set 只做一次 Keep、Delete 或 Replace 編輯，而非重新搜尋最優範例組合。
北大團隊 DragMesh 被 IJCV 接收：拖拽一次即可生成 3D 關節運動
北京大學團隊的 DragMesh 被 IJCV 接收。使用者只需在已有 3D 資產上對目標部件拖拽一次，系統就能生成符合關節約束的完整運動軌跡，無需重新生成整個物體。方法上先用 KPP-Net 預測關節型別、軸與原點，再由 Dual Quaternion VAE 並行生成 16 幀軌跡，並通過跨模態語義蒙皮把同一套運動遷移到 Mesh 或 3D Gaussian Splatting。
Treg 上線：一個 token 呼叫數千個 agent 工具
Superdesign 團隊發布 Treg，定位為面向 agent 工具的 OpenRouter：只需一個 base URL 和一個 token，即可呼叫覆蓋 SEO 外鏈、社交趨勢、人物與公司資料、廣告、爬蟲、影像影片生成等數千個端點，按次計費、最低一美分起，無需向供應商註冊帳號。目錄內工具由 Treg 自帶 key 或公開路由代付，團隊自有 key 的呼叫不計費，新驗證團隊可獲 1 美元免費額度。
Regex 視覺化專案：把正規表示式做成 3D 彈珠軌道
正規表示式視覺化專案 Regex Marble Run 上線，把正規表示式呈現為 3D 彈珠軌道，站點為 regexmarblerun.com。該連結在 2026 年 10 月 16 日出現在 Hacker News，獲得 31 分、8 條評論，是目前關於該專案的主要資訊。