Unverified50% confidenceFactExact time
对比学习方法SimCSE通过拉近正样本对、推远负样本对来塑造嵌入几何，成功应用于句子表示
1
Sources
50%
Confidence
Long-term
Relevance
7/7/2026
First Seen
Sources
分散损失：破解小语言模型嵌入坍缩的关键技术
hackernewshackernews7/3/2026
Related Claims
Unverified对比学习通过最大化同类样本相似度、最小化异类样本相似度来学习表征，SimCLR、MoCo等方法均基于此原理77% similarUnverified监督微调训练模型模仿人类标注的正确答案，而强化学习微调让模型通过试错学习最优策略72% similarUnverified研究显示推理时计算的扩展律与训练时计算具有相似的效益曲线72% similarUnverified在特定垂直领域语料上微调的Embedding模型往往能提升同义查询相似度得分，降低阈值误判率71% similarUnverified研究表明，即使使用相同的基础模型，引入迭代反思机制后在代码生成、数学推理等任务上的准确率可提升20%-40%70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/194845API
curl https://kongchang.com/api/v1/knowledge/claims/194845MCP
get_claim(id=194845)