据Alex Prompter在X平台披露，Yann LeCun领衔的Mila、纽约大学、三星SAIC与布朗大学团队发布LeWorldModel，仅用预测损失与SIGReg正则两项损失，在无需冻结编码器或EMA等技巧下实现稳定训练并避免表示坍缩（来源：Alex Prompter引用论文）。据Alex Prompter报道，该模型约1500万参数，可在单卡数小时完成训练，规划速度较基础模型式世界模型最高快48倍，令机器人控制与自动驾驶仿真更易落地，并将训练代价显著降低（约少200倍token）。据Alex Prompter称，该方法呼应LeCun的JEPA路线，通过保持表示多样性强化物理世界预测，或使行业从“更大LLM”转向“高效世界模型”，为机器人、实时决策与嵌入式边缘设备带来切实商业机会。