GloFND：自监督对比学习中全局动态发现假负样本
Get the story
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。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine LearningGloFND：在自监督对比学习中动态发现全局假负样本
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。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。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.