从视频中学习因果，结合RL训练基础模型动作。

RT @HaiyuWu1: 首先从互联网视频的潜空间中学习因果性，然后使用强化学习教基础模型如何行动。

这种方法在预训练上比Gemini 3.1 Flash便宜30倍，并取得更好结果。JEPA就是一切！

然而，动作仍然在后训练中学习。如何在没有动作标签的情况下自动学习动作仍然非常重要！