本文介绍了一种在线聚类方法，名为对比聚类，通过最大化正样本对的相似度和最小化负样本对的相似度，实现了实例级和簇级对比学习。实验结果显示，该方法在六项图像基准任务中优于17种竞争对手的聚类方法。

本文介绍了一种基于语义的在线聚类方法，用于监控代码错误生命周期。该方法在时间日志聚类性能方面优于类似系统，鼓励更多研究在缺陷数据集的时间性探索方面。

本文提出了一种解决罕见物体检测任务的方法，通过离线和在线聚类方法，提高样本曝光效率并实现有效的机器学习地图绘制。实验证明了检测效率的显著提升。