<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>对比学习 on Answer</title>
    <link>https://answer.freetools.me/tags/%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0/</link>
    <description>Recent content in 对比学习 on Answer</description>
    <generator>Hugo -- 0.152.2</generator>
    <language>zh-cn</language>
    <lastBuildDate>Thu, 12 Mar 2026 17:58:29 +0800</lastBuildDate>
    <atom:link href="https://answer.freetools.me/tags/%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>对比学习如何用&#34;比较&#34;重构神经网络的表示能力</title>
      <link>https://answer.freetools.me/%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0%E5%A6%82%E4%BD%95%E7%94%A8%E6%AF%94%E8%BE%83%E9%87%8D%E6%9E%84%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E8%A1%A8%E7%A4%BA%E8%83%BD%E5%8A%9B/</link>
      <pubDate>Thu, 12 Mar 2026 17:58:29 +0800</pubDate>
      <guid>https://answer.freetools.me/%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0%E5%A6%82%E4%BD%95%E7%94%A8%E6%AF%94%E8%BE%83%E9%87%8D%E6%9E%84%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%9A%84%E8%A1%A8%E7%A4%BA%E8%83%BD%E5%8A%9B/</guid>
      <description>从2006年孪生网络到CLIP、SimCLR等现代应用，深入解析对比学习的数学原理、InfoNCE损失函数、温度参数机制，以及为什么&amp;#34;比较&amp;#34;能成为神经网络学习表示的核心范式</description>
    </item>
    <item>
      <title>数据增强技术：为何简单的变换能显著提升模型泛化能力</title>
      <link>https://answer.freetools.me/%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA%E6%8A%80%E6%9C%AF%E4%B8%BA%E4%BD%95%E7%AE%80%E5%8D%95%E7%9A%84%E5%8F%98%E6%8D%A2%E8%83%BD%E6%98%BE%E8%91%97%E6%8F%90%E5%8D%87%E6%A8%A1%E5%9E%8B%E6%B3%9B%E5%8C%96%E8%83%BD%E5%8A%9B/</link>
      <pubDate>Thu, 12 Mar 2026 16:31:58 +0800</pubDate>
      <guid>https://answer.freetools.me/%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA%E6%8A%80%E6%9C%AF%E4%B8%BA%E4%BD%95%E7%AE%80%E5%8D%95%E7%9A%84%E5%8F%98%E6%8D%A2%E8%83%BD%E6%98%BE%E8%91%97%E6%8F%90%E5%8D%87%E6%A8%A1%E5%9E%8B%E6%B3%9B%E5%8C%96%E8%83%BD%E5%8A%9B/</guid>
      <description>深入解析数据增强技术的理论原理、核心方法和实践指南，从图像到文本再到音频，全面覆盖深度学习中最重要的正则化技术之一。</description>
    </item>
    <item>
      <title>大模型如何&#34;看&#34;图像：从CLIP对比学习到视觉语言模型的跨模态融合之路</title>
      <link>https://answer.freetools.me/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%A6%82%E4%BD%95%E7%9C%8B%E5%9B%BE%E5%83%8F%E4%BB%8Eclip%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0%E5%88%B0%E8%A7%86%E8%A7%89%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%9A%84%E8%B7%A8%E6%A8%A1%E6%80%81%E8%9E%8D%E5%90%88%E4%B9%8B%E8%B7%AF/</link>
      <pubDate>Wed, 11 Mar 2026 13:24:32 +0800</pubDate>
      <guid>https://answer.freetools.me/%E5%A4%A7%E6%A8%A1%E5%9E%8B%E5%A6%82%E4%BD%95%E7%9C%8B%E5%9B%BE%E5%83%8F%E4%BB%8Eclip%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0%E5%88%B0%E8%A7%86%E8%A7%89%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E7%9A%84%E8%B7%A8%E6%A8%A1%E6%80%81%E8%9E%8D%E5%90%88%E4%B9%8B%E8%B7%AF/</guid>
      <description>深入解析大语言模型理解图像的技术本质：从CLIP的对比学习建立图文共享嵌入空间，到Vision Transformer将图像转换为可处理的patch token，再到LLaVA、BLIP-2等模型的架构演进，全面剖析视觉语言模型如何实现跨模态理解。</description>
    </item>
  </channel>
</rss>
