연구진은 JEPA(Joint-Embedding Predictive Architecture)의 학습 목표가 능동 추론(Active Inference)의 변분 자유 에너지라는 이론적 설명을 제시했어요.
VICReg, LogDet, PairDist, SIGReg 등 4가지 정규화 방식을 우선 오차 추정 간극에 따라 계층화하여 분석했어요.
SIGReg은 간극을 없애고 능동 추론의 놀람(surprise) 경계를 보존하며, 잠재 목표 비용을 AIF 실용적 가치의 정확한 대리인으로 만들어요.
연구 결과는 다단계 기대 자유 에너지, 앙상블 인식 가치, 학습된 정책 체제에 적용되며, 현재 JEPA 세계 모델에서 계산되지 않는 상태 인식 가치(state-epistemic value)를 밝혀냈어요.