LeCun团队的新论文指出，自监督模型JEPA不仅能提取特征，还能感知数据密度。研究表明，反坍缩机制使JEPA在训练中自动学习数据的常见程度，提出的JEPA-SCORE工具可量化样本的典型性，适用于多种数据集，并验证了其在数据筛选和异常检测中的有效性。

本文探讨了深度度量学习中的数据密度测量，提出了新的损失函数和训练方法，以提升模型性能和收敛速度。研究表明，嵌入空间的密度与模型的泛化能力相关，所提出的框架在多个数据集上取得了显著的改进。