消除偏见：对基础模型进行半监督学习的微调
原文中文，约300字，阅读约需1分钟。发表于：。通过在预训练基础模型中应用平衡的边界 Softmax 和解耦式标签平滑，FineSSL 提供了一种新的半监督学习方法，显著改善了现有方法的性能问题，并在多个基准数据集上达到了新的最先进水平，降低了训练成本超过六倍，可以无缝集成各种微调和现代半监督学习算法。
我们的研究发现，对比型自监督学习中间层的微调和修复型自监督学习第三个季度的微调都更有效。相比端到端微调，我们的最佳微调策略提高了5.48%的性能，并通过利用多个自监督学习模型的互补优势，比独立使用最佳模型提高了3.57%的性能。这种微调策略不仅增强了个别自监督学习模型的性能，还在自监督医学影像分析中取得了显著的改进。
