BRo-JEPA：在潜在空间中学习模算术

arXiv 2026 56.3 method

TLDR

BRo-JEPA使用块旋转预测器在潜在空间中学习模算术规则，在MNIST数字上达到99.46%零样本准确率。

评分理由

The paper presents a novel architecture that enforces circular structure in latent space, enabling strong generalization on a synthetic task. However, it lacks real-world evaluation and only tests on a single, simple domain (modulo-10 arithmetic with MNIST).

Read-first 评分解释

综合优先阅读分 56.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 22。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

92.2

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.92165707

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：代码、GitHub

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基线、结果

主题相关性 29%

31.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文桥接论文复现锚点

排序敏感性

稳定性：volatile；排名波动范围：465。

关键词评分

world model

world dynamics prediction

generative world model

world simulator

interactive world model

model-based reinforcement learning world model

video world model

深度分析

创新点

块旋转预测器，在潜在空间中施加模10算术的循环结构
基于JEPA的潜在世界模型，以MNIST数字为状态、算术运算为动作，学习模算术
实现对未见模算术运算的强零样本泛化

方法

本文使用MNIST数字作为状态，模算术运算作为动作，构建JEPA风格的潜在世界模型。对比了标准监督基线和带有加法运算嵌入的JEPA模型，以及提出的块旋转预测器——该预测器在潜在空间中强制施加模10算术的循环结构。最佳模型是基于ResNet的JEPA块旋转模型，通过零样本准确率和 rollout 准确率进行评估。

关键结果

最佳基于ResNet的JEPA块旋转模型在未见模算术运算上实现了99.46%的零样本准确率和99.46%的 rollout 准确率。

技术栈

ResNetJEPAMNISTPyTorch

资源

论文代码