研究者提出GloFND全局假阴性发现方法
热点事件持续更新
研究者提出GloFND全局假阴性发现方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
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，Vicente Balmaseda等作者提出 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。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
GloFND：自监督对比学习中动态发现全局假阴性样本报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.AIGloFND：自监督对比学习中动态发现全局假阴性样本
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。