该文章提出了一种用于自监督对比学习的方法，包括识别和消除 false negative、对抗策略以及严格评估。该方法在 ImageNet 数据集上取得了一定成果，无标签数据集下可以以40%的精度正确识别 false negative，并在有1%标签数据下达到了5.8%的top-1准确率的绝对改进。

CGC是一种无监督图学习方法，基于对抗样本生成机制，避免False Negative问题，获得高质量的正负样本对。在多个数据集上与传统无监督学习方法和一些SOTA图对比学习方法相比，实现了令人满意的结果。

该文介绍了一种用于自监督对比学习的方法，包括识别和消除false negative、对抗策略以及对该方法的评估。该方法在ImageNet数据集上取得了一定成果，在无标签数据集下可以以40%的精度正确识别false negative，并在有1%标签数据下实现了5.8%的top-1准确率的绝对改进。