Yann LeCun auf der CoRL: LLMs können schon viel, aber JEPA ist seiner Meinung nach intelligenter

Auf der CoRL in Austin stellte Yann LeCun die praktischen Erfolge großer Sprachmodelle der Architektur JEPA gegenüber.
Auf der Konferenz CoRL, die derzeit in Austin stattfindet, präsentierte Yann LeCun einen Vortrag, in dem er die praktischen Erfolge großer Sprachmodelle (LLMs) mit seiner Einschätzung von JEPA verglich.
In scherzhaftem Ton zählte er auf, was LLMs bereits können: jahrtausendealte mathematische Probleme lösen, einen großen Teil des Codes in der Industrie schreiben, Proteine entwerfen und sogar Software-Schwachstellen finden. Gleichzeitig betonte LeCun, dass JEPA seiner Meinung nach immer noch intelligenter sei.
„LLMs: Sie lösen mathematische Probleme über Jahrtausende, schreiben 80 % des Codes in der Industrie, entwerfen Proteine und finden Software-Schwachstellen. Aber JEPA ist trotzdem intelligenter!“
Der Witz spiegelt eine breitere Diskussion in der KI-Community wider: LLMs sind bereits leistungsfähige Werkzeuge für viele Aufgaben, während JEPA (Joint Embedding Predictive Architecture) als ein anderer Ansatz zum Lernen durch Vorhersage von Repräsentationen statt nur von Text-Tokens diskutiert wird.
Warum das wichtig ist
AnalyseDas ist wichtig, weil es die Debatte zeigt, ob das Skalieren von LLMs ausreicht oder ob neue Architekturen wie JEPA für robustere KI nötig sind.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Teil I. Architektur von KI-Agenten: Grundlegende Bausteine
Zehn grundlegende Bausteine eines modernen Agenten: Modell-Taxonomie, Runtime-Loop, Prompting-Techniken, Distillation, Skills, Memory, Function Calling und Unit Economics.
Teil II. Architektur von KI-Agenten: Vom Modell zu Gedächtnis und Tools
Tiefes technisches Eintauchen: Tokenisierung, KV-Cache, Determinismus beim Sampling, Trainings-Stack, Quantisierung, Kontext-Engineering, Security-Stack, produktives RAG, ReAct sowie Multi-Agenten-Swarm-Systeme.
Frontier-Modelle
Die leistungsstärkste Klasse künstlicher Intelligenz an der Spitze der globalen Forschung (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), die die Grenzen moderner Fähigkeiten in Bezug auf Reasoning, Autonomie und Coding definiert.
LLM (Large Language Model – Großes Sprachmodell)
Eine fundamentale Klasse neuronaler Netzwerkarchitekturen auf Basis autoregressiver Transformer, die Wahrscheinlichkeitsverteilungen für nachfolgende Tokens vorhersagt und emergente Fähigkeiten im abstrakten Denken, in der Code-Synthese sowie im logischen Schlussfolgern zeigt.