GloFND：自监督对比学习中全局动态发现假负样本

2026年10月9日，arXiv（Statistics Machine Learning，一手来源）发布论文《GloFND：在自监督对比学习中动态发现全局假负样本》。该研究提出GloFND，一种基于优化的自监督对比学习方法，可在训练过程中为每个锚样本自动学习阈值以识别假负样本。与以往在mini-batch内局部检测不同，该方法在整个数据集范围内全局检测假负样本，且每次迭代的计算成本与数据集规模无关。论文称通过图像与图文数据实验验证了其有效性，代码实现已在文中给出的链接开源。目前公开信息仅此一篇报道，尚无后续验证或第三方复现结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。