محققان در یک پژوهش تازه، رویکردی نوآورانه برای بهبود یادگیری کنتراستی (Contrastive Learning) ارائه دادهاند. این روش با ترکیب «پیشبینی همدیس» (Conformal Prediction)، مجموعههای هندسی هوشمندی در فضای ویژگیهای معنایی ایجاد میکند که به مدل اجازه میدهد با دقت بسیار بالاتری نمونههای مثبت را دستهبندی کرده و نمونههای منفی را حذف کند.
ویژگی کلیدی این مدل، ارائه تضمینهای آماری توزیع-آزاد است که باعث میشود مدل حتی در شرایطی که دادههای منفی در دسترس نیستند، عملکردی دقیق و بهینه داشته باشد. این دستاورد گام مهمی در جهت افزایش قابلیت اطمینان مدلهای یادگیری عمیق در تحلیل تصاویر است.
منبع: arXiv Machine Learning