一份简单的 JEPA 阅读地图

这份阅读地图最终会把论文、图解和强调直觉的说明连接起来。

初步顺序

1. 从核心思想开始：预测表征，而不是原始像素。
2. 接着学习基于图像的预训练。
3. 再把这一思想扩展到视频与时间理解。
4. 持续追踪世界模型和规划中的开放问题。

目前它还只是一副脚手架。详细笔记可以按论文逐篇补充。