Giorgos Kordopatis-Zilos

新指标gSAP通过考虑所有查询对来增强表示学习

研究人员引入了用于表示学习的全局平均精度（gSAP），这是一种新颖的可微分代理指标，旨在改进机器学习模型的训练。与单独评估查询的传统指标不同，gSAP同时考虑批次内的所有查询-候选对。这种整体方法允许在整个查询中进行更一致的相似性比较，即使使用单一决策阈值也是如此。该指标在监督度量学习、跨模态对齐和自监督预训练方面表现出改进，在各种基准测试中优于InfoNCE和其他AP代理等既有方法。