Contrastive Learning（对比学习）

对比学习通过构建正负样本对，在特征空间中最小化正对距离、最大化负对距离，从而学习到判别性表示。背景是监督学习依赖大量标注，而自监督学习可从无标签数据中学习。技术说明包括：使用数据增强生成正样本，其他样本作为负样本；损失函数如InfoNCE；需要大量负样本或动量编码器（如MoCo）来稳定训练。典型工作有SimCLR、MoCo、BYOL，应用于图像分类、目标检测和跨模态检索。