待验证50% 置信事实精确时间

对比学习是实现负样本学习的核心范式,通过拉近正样本对表征距离、推远负样本对表征距离来学习特征

1

来源数

50%

置信度

长期有效

时效性

2026/9/10

首次发现

来源

蛋白质设计新范式：机器学习如何突破自然序列限制

涉及实体

对比学习concept 负样本学习concept

相关事实

已验证单样本学习不等于零样本学习，其一次演示背后依赖模型在海量预训练数据上积累的先验知识75% 相似待验证对嵌入模型进行对比学习微调能提升招聘场景匹配效果，关键在于使用难负样本（如同领域但不同层级的岗位）而非随机负样本73% 相似待验证半监督学习介于监督学习和无监督学习之间，利用少量标注数据和大量无标注数据进行训练73% 相似待验证难负例（Hard Negative）的质量对Embedding微调效果至关重要，需选取表面相似但语义无关的文档作为训练信号69% 相似待验证当画面缺乏判别性特征时（如空旷道路或均质树林），定位算法会退化为基于训练集先验分布的统计猜测69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/887755

API

curl https://kongchang.com/api/v1/knowledge/claims/887755

MCP

get_claim(id=887755)