Balestriero y LeCun demuestran que JEPAs entrenados en distintas modalidades aprenden la misma representación salvo una rotación

El artículo de arXiv convierte la Hipótesis de la Representación Platónica en un teorema bajo supuestos explícitos e informa de que un JEPA de texto de 109M parámetros se alinea con los codificadores de imagen DINOv2 y CLIP mejor que todos los modelos de lenguaje probados, hasta 72B; no ha sido revisado por pares.