arXiv cs.AI· Vicente Balmaseda, Bokun Wang, Ching-Long Lin, Tianbao Yang·· 3 小时前AI 评分22
GloFND：自监督对比学习中动态发现全局假阴性样本
Discovering Global False Negatives On the Fly for Self-supervised Contrastive Learning
AI 导读
针对自监督对比学习中语义相似的负样本对（假阴性）被错误推开的问题，研究者提出 GloFND，一种基于优化的方法，能在训练过程中为每个锚点数据自动学习阈值以识别其假阴性。与以往方法不同，GloFND 在全局数据集范围而非 mini-batch 内检测假阴性，且每次迭代的计算成本与数据集规模无关。图像和图文数据实验验证了该方法的有效性，代码已开源，论文被 ICML 2025 接收。
来源：arXiv cs.AI · arxiv.org