PulseAugur
实时 09:04:25

AI学习方法受噪声干扰,研究人员发现

研究人员发现,像JEPA这样的自监督学习方法存在缺陷,其中对比目标会错误地编码缓慢变化的噪声,而不是系统的实际动力学。这会导致表示主要由轨迹特定的噪声主导,从而影响下游性能。该研究提出了一种解决方案:在单个轨迹内采样负例,而不是跨轨迹采样,这迫使模型学习相关的动力学,并提高了表示质量,即使在存在强噪声的情况下也是如此。 AI

影响 识别出对比学习在动态系统中的一个基本限制,可能指导表示学习领域的未来研究。

排序理由 该集群包含一篇学术论文,详细介绍了机器学习特定问题的新发现和提出的解决方案。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Paarth Gulati, Ilya Nemenman ·

    对比编码归纳偏置:在预测表示学习中分离慢噪声与动力学

    arXiv:2606.07770v1 Announce Type: new Abstract: Self-supervised methods that learn representations and predict dynamics fully in the latent space, such as JEPA, have been shown to confuse slowly varying noise with the dynamical signals they aim to capture. Specifically, when nois…