arXiv · cs.AI· Jialiang Wang·· 3 天前AI 评分20
对比学习的内部差异：泛化界与下游行为研究
Internal Discrepancy for Contrastive Learning: Generalization Bounds and Downstream Behaviors
来源与原文
arXiv · cs.AI
作者：Jialiang Wang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.32729v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究提出“内部差异”度量，量化正样本均值表示与潜在簇中心的差异，并证明了无需额外假设的内部差异感知泛化界，统一连接了对比学习的多种理论假设。作者据此引入 relaxed k-means 损失作为近似以降低内部差异，并从对比学习引致的监督损失视角解释其在类别不平衡学习中的促进作用，还证明了这些损失的最优性。
来源：arXiv · cs.AI · arxiv.org