2025年5月，Meta首席人工智能科学家、图灵奖得主 Yann LeCun（杨立昆） 在一次学术交流会中，高度评价了忆生创始人马毅团队的“最大化分类率”理论（Maximum Coding Rate Reduction, MCR2）及其在自监督学习领域的重要贡献。（相关链接：最大化编码率降低原则MCR²，NeurIPS 2020 ）
杨立昆介绍了其团队如何通过正则化方法来训练JEPA模型，以实现信息最大化目标，并列举了当前自监督学习中代表性的正则化方法列表。忆生科技创始人马毅团队提出的MCR2方法作为其列出的第一个方法，与Barlow Twins、VICReg、MMCR等国际领先工作并列，认为其是信息最大化范式中的核心参考方法。在讲解中，LeCun强调：“信息最大化是推动自监督学习发展的重要方向，而MCR2在其中发挥了重要作用。”
杨立昆对MCR2的肯定不仅体现在学术交流活动中。事实上，2024年LeCun就在个人社交媒体账号X（原Twitter）上提到马毅团队的研究。他在评论最新自监督学习方法MMCR时写道：“MMCR使用的原理类似于VICReg、Barlow Twins和MCR2（来自@YiMaTweets团队）。”将MCR2与自己领导开发的VICReg、以及学界公认的Barlow Twins并列提及。
近年来，忆生科技团队围绕“信息最大化”理论，在白盒神经网络、闭环学习等领域不断取得突破。其MCR2理论不仅在2020年发表于顶级会议NeurIPS，更在多项后续工作中被广泛引用，为自监督学习领域提供了新的理论基础和方法路径。
信息最大化与神经科学前沿研究趋势相呼应。2024年，《Nature》发表了一篇题为《语言首先是交流工具而非思维工具》的重磅文章，指出语言与思维在神经层面存在显著分离，在学界和产业界引发剧烈反响。该观点间接印证了马毅团队长期以来的理论预见：真正的智能应通过对非语言数据的信息编码、压缩与最大化来实现，而非仅依赖语言表面符号。
在AI产业界掀起对“非语言智能”与“多模态学习”深入思考的今天，杨立昆的公开评价不仅是对忆生科技与马毅教授团队科研工作的学术肯定，更是对信息最大化方向在AI未来发展中战略意义的再次强调。
在Meta、DeepMind、OpenAI等科技巨头均开始积极探索“思维—语言分层”与“多模态AI”路径的背景下，MCR2正展现出独特价值与国际影响力。MCR2及其理论体系有望在未来AI的多模态表征、可解释性、自主学习与推理等关键技术领域持续发挥引领作用。