在潜在世界模型中，联合嵌入预测架构（JEPA）是主流设计，但通常是基于经验表现而非规范原则进行论证。本文展示了反崩溃正则化项的选择决定了JEPA的训练目标，即预测损失加权嵌入正则化项，是否为有效的主动推理（AIF）变分自由能。我们将四种非对比正则化器（VICReg、LogDet、PairDist和SIGReg）组织成由先验失调间隙索引的熵估计器层次结构，并表明该间隙的符号决定了AIF惊奇界限是否存活：VICReg和LogDet是不安全的上界，PairDist是安全的下界，而SIGReg则消除了该间隙。
接着，我们证明了一个对应定理：在标准的恒定噪声编码器模型下，并在成功执行SIGReg（各向同性高斯嵌入）的情况下，间隙消失，目标变为精确的信息瓶颈，惊奇界限得以保留，潜在目标成本成为AIF务实价值的精确代理，而VICReg则留下不可约的二阶各向异性项。我们将此对应扩展到多步期望自由能、集成认知价值和学习政策状态，并识别出当前JEPA世界模型中未计算的一个AIF项：状态-认知价值，即未来状态的覆盖信号。这些预测在性质上不同，而非程度上不同，本文将其表述为理论后果，留待后续实证测试；所有结果的完整证明见附录A，且每个结果的代数核心在Lean 4中经过机器验证（附录D）。
博主点评： 本文深入探讨了JEPA模型的理论基础，尤其是SIGReg正则化器在确保有效变分自由能中的关键作用。通过系统化的分析，作者不仅澄清了不同正则化器的安全性，还提出了未来研究的方向，具有重要的理论和实践意义。相关的数学证明和机器验证也为进一步的研究提供了坚实的基础。