#对比学习

SynCo方法能直接解决多模态学习中协同信息训练不足的问题，可作为插件集成到现有框架中。

做图学习的朋友可以看这篇：作者发现现有动态图模型跨域迁移竟然打不过一个只看文本的 BoE 基线，然后提出了 STSA 来解决。

研究者用对比学习训练了一个 ModernBERT Bi-Encoder，判断两段文字是不是同一人写的，在 PAN21 上准确率 98.4%，还列出了调参要点。

数据集成领域的新论文，LOKI 能自动从文本里发现不同表之间的行级关联，精度 0.982，比直接调 LLM 便宜 40 倍，做数据湖的可以看看。

这个模型把反应物和产物揉进一张图，用对比学习预训练，多个产率预测任务上超过现有基线，做反应预测的值得看看。

这篇论文把科学公式的语法和语义分开建模再对齐，发现原生表示差异很大，但对比学习能救回来，做检索的可以看看。

TerraNova把地球和社会数据一起训练，能几分钟适配新变量，比地理模型多覆盖海洋和不确定性。

想提升句向量对微小改动的抵抗力？这个CDAE方法比SimCSE更扛扰动，代码开源，可以试试。

这篇论文用对比图神经网络给疾病轨迹建模，能更精细地聚类病程相似的患者，比传统方法好用。

新论文用语义感知对比学习解决医学影像的假阴性问题，在脑肿瘤分类上AUC涨了22.6%，值得搞多模态医疗AI的人看看。

这篇论文用对比学习做EEG预训练，比传统掩码重构效果好，架构设计很实在，搞脑机接口的可以看看。

这篇论文用264k个婴儿触觉片段做对比学习，发现触觉对视觉学习的贡献比想象中大，推荐给研究婴儿认知或对比学习的读者。

这篇论文提出CADE，解决了LLM处理时间序列时丢了数值信息的痛点，用直接时间步嵌入和对比对齐，在Time-MQA上比GPT-4还强。

这篇论文给做轨迹相似性的人提供了一个现成的对比学习框架，用MoCo范式在真实AIS数据上测了多个模型，效果比基线好。

这篇论文用模拟信号训练编码器，把纳米孔信号转成可解释坐标，识别快了一千倍，实验也扎实。

做可穿戴健康监测或临床PPG分析的团队，可以关注这个用更少数据训练出更强鲁棒性的方法，直接提升在真实场景中的表现。