Yann LeCun（杨立昆） · 信源台账

人物深度专题更新于 2026-10-18AI 生成已核查 · 已审核审核人负责人

从卷积网络、能量模型到 JEPA，梳理 Yann LeCun 对机器智能、世界模型、开源与 AI 风险的公开论证。

台账只记录元数据，不转载原文。转载数量不等于独立信源数量：同源转载只算一个信源。

共 28 个来源

日期	主题	来源	来源等级	是否本人原话	来源身份	纳入章节	排除原因
—	履历、卷积网络、机构经历	Yann LeCun — A.M. Turing Award Laureate（在新窗口打开）Association for Computing Machinery	官方	非本人原话	原始稿	总览 ① ② ⑥ ⑧	—
2015-05-28	深度学习综述	Deep learning（在新窗口打开）Nature	官方	部分原话	原始稿	① ⑧	—
2016-12-05	预测学习、自监督、世界模型	Predictive Learning（在新窗口打开）NeurIPS	一手采访	本人原话	原始稿	① ⑧	—
2021-03-04	自监督学习、常识、联合嵌入	Self-supervised learning: The dark matter of intelligence（在新窗口打开）Meta AI	官方	部分原话	原始稿	总览 ① ③ ④ ⑦ ⑧	—
2024-03-07	LLM、世界模型、开源、AGI	Yann LeCun: Meta AI, Open Source, Limits of LLMs, AGI & the Future of AI（在新窗口打开）Lex Fridman Podcast	一手采访	本人原话	原始稿	总览 ③ ④ ⑤ ⑦ ⑧	—
2025-04-10	AMI、AGI、世界模型、JEPA	Frontiers of AI and Computing: A Conversation With Yann LeCun and Bill Dally（在新窗口打开）NVIDIA	一手采访	本人原话	原始稿	—	视频页面可打开，但未取得可核对字幕或精确时间点；活动现场日期为 2025-03-19
2013-12-21	卷积网络、定位、检测	OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks（在新窗口打开）arXiv	官方	部分原话	原始稿	① ② ⑧	—
2013-12-20	图卷积、谱网络	Spectral Networks and Locally Connected Networks on Graphs（在新窗口打开）arXiv	官方	部分原话	原始稿	总览 ① ② ⑧	—
2021-05-11	自监督学习、防坍塌	VICReg: Variance-Invariance-Covariance Regularization for Self-Supervised Learning（在新窗口打开）arXiv	官方	部分原话	原始稿	① ② ⑧	—
2023-01-19	I-JEPA、表征预测	Self-Supervised Learning from Images with a Joint-Embedding Predictive Architecture（在新窗口打开）arXiv	官方	部分原话	原始稿	总览 ① ② ③ ⑥ ⑧	—
2024-07-21	重建目标、感知表征	How Learning by Reconstruction Produces Uninformative Features For Perception（在新窗口打开）PMLR	官方	部分原话	原始稿	总览 ① ② ④ ⑥ ⑦ ⑧	—
2025-06-11	视频自监督、动作条件世界模型、规划	V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning（在新窗口打开）arXiv	官方	部分原话	原始稿	总览 ① ② ③ ⑥ ⑦ ⑧	—
2022-06-27	自主机器智能架构蓝图	A Path Towards Autonomous Machine Intelligence（在新窗口打开）OpenReview	官方	本人原话	原始稿	—	负责人决定放弃：lecun.com 未提供公开副本，不用于支撑正文或引语
—	LeNet、文档识别、Graph Transformer Networks	Gradient-Based Learning Applied to Document Recognition（在新窗口打开）Proceedings of the IEEE	官方	部分原话	原始稿	① ② ⑧ ⑨	—
—	二阶剪枝；1989 年会议、1990 年论文集	Optimal Brain Damage（在新窗口打开）NeurIPS	官方	部分原话	原始稿	① ② ⑧	—
—	能量模型、损失函数、推断	A Tutorial on Energy-Based Learning（在新窗口打开）MIT Press	官方	部分原话	原始稿	总览 ① ② ⑧ ⑨	—
—	对比损失、不变表征	Dimensionality Reduction by Learning an Invariant Mapping（在新窗口打开）CVPR	官方	部分原话	原始稿	① ② ⑧ ⑨	—
—	DAVE、端到端越野驾驶	Off-Road Obstacle Avoidance through End-to-End Learning（在新窗口打开）NeurIPS	官方	部分原话	原始稿	① ② ⑧	—
—	多尺度卷积、场景标注、语义分割	Learning Hierarchical Features for Scene Labeling（在新窗口打开）IEEE TPAMI	官方	部分原话	原始稿	① ② ⑧ ⑨	—
—	字符级卷积、文本分类	Character-level Convolutional Networks for Text Classification（在新窗口打开）NeurIPS	官方	部分原话	原始稿	① ② ⑧	—
2015-11-17	视频预测、对抗损失、像素重建	Deep Multi-Scale Video Prediction Beyond Mean Square Error（在新窗口打开）arXiv	官方	部分原话	原始稿	① ② ⑧	—
2016-09-11	能量模型、生成对抗网络	Energy-based Generative Adversarial Network（在新窗口打开）arXiv	官方	部分原话	原始稿	① ② ⑧	—
2021-03-04	自监督学习、冗余削减	Barlow Twins — Self-Supervised Learning via Redundancy Reduction（在新窗口打开）arXiv	官方	部分原话	原始稿	① ② ⑧	—
2024-04-12	V-JEPA、视频表征	Revisiting Feature Prediction for Learning Visual Representations from Video（在新窗口打开）arXiv	官方	部分原话	原始稿	总览 ① ② ③ ⑥ ⑧	—
2019-06-19	图灵奖演讲、自监督学习	Turing Lecture Livestream at FCRC（在新窗口打开）ACM	官方	部分原话	原始稿	—	页面仅为直播预告，不含演讲正文、摘要或视频定位，不能支撑原有内容
2025-09-17	JEPA、语言模型	LLM-JEPA — Large Language Models Meet Joint-Embedding Predictive Architectures（在新窗口打开）arXiv	官方	部分原话	原始稿	① ② ⑥ ⑧	—
2025-12-11	JEPA、视觉语言	VL-JEPA — Joint-Embedding Predictive Architectures for Vision-Language（在新窗口打开）arXiv	官方	部分原话	原始稿	① ② ⑥ ⑧	—
2026-03-16	V-JEPA、稠密表征	V-JEPA 2.1 — Unlocking Dense Features in Video Self-Supervised Learning（在新窗口打开）arXiv	官方	部分原话	原始稿	① ② ⑥ ⑧	—