DSReg 无需重建即可证明式恢复单个世界潜变量，并在合成、像素编码器与外部渲染器上提升稀疏控制与编辑

论文证明：在 LeJEPA 的线性可辨识前提（高斯潜世界下对齐最优解仅差一个正交变换）之上，只要满足结构多样性（不同潜变量在观测上留下两两不同的依赖足迹）与函数性无抵消这一忠实性条件，最小化依赖支撑稀疏性即可把候选潜变量恢复到符号置换，即每个估计变量对应一个真实世界潜变量。 此前无重建、无解码器、无辅助监督的路线（如 JEPA）只能识别到线性变换，单个潜变量仍被混合；作者称这是首个在无重建、无标签、无分布不对称条件下达到逐分量可辨识的结果，并称结构多样性严格弱于既有结构条件。 以定理形式给出（定理 2 及其在雅可比扰动下的近似恢复定理 3），并附证明；命题 1 通过足迹集合的蕴含关系论证结构多样性严格弱于 Non-Inclusion、两种结构稀疏形式与结构可变性，并给出反例见证。

作者给出可操作目标 DSReg：在已线性辨识的表示上事后搜索一个额外正交旋转，使候选潜变量对观测的依赖雅可比支撑最稀疏；该目标可联合训练也可事后拟合，事后拟合复用已训练检查点且据消融实验与联合训练无损失。 把可辨识性理论转化为一个只读取观测与估计潜变量的稀疏性准则，不需要解码器、观测似然或重建误差；并给出可扩展实现，使准则按邻域因子分解，避免显式构造大矩阵。 给出有限样本松弛（式 4）与三种等价评估方式（物化、精确因子化、行采样无偏估计），报告在单张 GPU 上把潜维度扩展到 2048、观测维度扩展到 8192 时每步成本基本持平；训练计划对比表显示联合与解耦恢复相当。

实验显示恢复随结构多样性成立而成立、随其失效而失效：在足迹两两不同（含嵌套、最小差异）的合成体系中恢复接近上限，在足迹完全相同的体系中单潜变量恢复不可能但潜空间跨度仍被恢复；在像素训练编码器上 DSReg 接近使用标签的 Procrustes 监督上限，而 PCA、Varimax、FastICA 等仅旋转潜变量的基线仍保持混合。 把理论预测的“成功/失败边界”作为可检验预言逐一对齐，并说明增益来自观测侧依赖信号而非优化器；同时展示在外部渲染器（Gaussian 3DShapes、四分之一朝向 dSprites）上增益依然存在。 合成轨道每个点五次运行，学习视觉编码器五到十五个随机种子，其余家族十到二十个种子；报告稠密读出（R²）不变而潜变量 MCC、少样本单潜变量读出与稀疏使用分数改善；在 dSprites 上以单侧 Mann–Whitney 检验报告优于两个 VAE 基线。

稀疏模块（视觉编辑、稀疏模型预测控制、短程 rollout 预测、转移异常检测）在恢复后的潜变量上表现更好，因为这些模块一次只作用于少数变量；在旋转基下同一受限模型会系统性错配，而在物理基下近似稀疏且接近良设定。 把“为什么要单个潜变量而非良张成的混合”落到具体下游任务上，并说明探针不使用置换或符号等理论未定的信息，因此对理论保留的歧义不变。 在 TwoRoom、PushT、FetchSlide 三个环境共六个探针上评估，阈值与预算在两种表示间共享，唯一差异是拟合的旋转；同时报告稠密读出与检索成本在两种表示间不变。

该结果面向已满足 LeJEPA 线性可辨识前提（高斯潜世界、平稳加性噪声转移、SIGReg 高斯约束）的表示，并需要结构多样性成立；在此设定下，DSReg 可事后作用于任意线性可辨识表示，复用已训练检查点，使控制器、动力学模型或监测器能够通过单个变量行动，而稠密读出保持不变。作者指出结构多样性是温和要求：足迹完全相同的因子无法仅凭支撑区分，需要时间结构或廉价干预等额外信号；并明确当前基准为模拟或渲染，尚未在物理机器人上测试，这是作者最期待的后续工作。

读者仍需关注：结构多样性在真实数据中是否普遍成立，尤其是存在全局因子（光照、相机增益、全局风格）造成嵌套足迹时理论仍适用，但足迹完全相同的因子需要额外信号；高斯潜世界前提是出发点而非上限，向更丰富世界的线性可辨识扩展会如何改变保证尚待研究；论文报告基准为模拟或渲染，物理机器人上的行为未知；此外，本次材料为全文文本，图表与附录表格的具体数值在文本中以占位形式出现，若需精确数字应查阅原文图表。