BriefGPT - AI 论文速递 · 2024-01-24T00:00:00Z 高效有效的深度聚类与动态分组及原型聚合 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 该论文介绍了原型对比学习（PCL）这一无监督表示学习方法，通过增加原型作为潜在变量来寻找最大似然估计，提出了一种基于对比学习的通用损失函数ProtoNCE loss。该方法在多个基准测试中的表现优于当前最先进的基于实例对比学习方法，在低资源转移学习方面有显著改进。 🏷️ 标签 低资源转移学习 原型对比学习 基准测试 无监督表示学习 最大似然估计 阅读原文 生成长图 分享链接 已复制链接
