本文综述对比学习研究，提出互信息最大化框架，在频率域提取多视图表示并按互信息重估重要性，实现表示解耦与高效对比学习；构建通用对比表示学习框架，统一多种方法并分析规约偏差；给出理论保证，证明可降低下游样本复杂度。应用涵盖文档分类、无监督预测编码、网络间互对比学习、图像表示与可迁移性、持续学习抗遗忘等。

本文综述了对比学习的文献和框架，对其组成部分进行了分类和分析，讨论了规约偏差，介绍了其应用和未来研究方向。