https://www.chenk.top/zh/tags/contrastive-learning/Recent content in Contrastive Learning on Chen Kai BlogHugozh-CNWed, 31 Dec 2025 09:00:00 +0000https://www.chenk.top/zh/recommendation-systems/11-%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0%E4%B8%8E%E8%87%AA%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/Wed, 31 Dec 2025 09:00:00 +0000https://www.chenk.top/zh/recommendation-systems/11-%E5%AF%B9%E6%AF%94%E5%AD%A6%E4%B9%A0%E4%B8%8E%E8%87%AA%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/<p>经典推荐系统只依赖一种信号：用户是否点击、观看或购买？这种信号固然宝贵，却也极其稀疏。大多数用户接触的商品不到总目录的 1%，大多数商品被触达的用户也不到 0.1%，而全新用户或商品则完全没有交互记录。直接用如此稀疏的标签优化模型，几乎注定会在热门头部过拟合，而在长尾部分毫无反应。</p>https://www.chenk.top/zh/transfer-learning/08-%E5%A4%9A%E6%A8%A1%E6%80%81%E8%BF%81%E7%A7%BB/Thu, 12 Jun 2025 09:00:00 +0000https://www.chenk.top/zh/transfer-learning/08-%E5%A4%9A%E6%A8%A1%E6%80%81%E8%BF%81%E7%A7%BB/<p>一个从未见过“缅甸猫”标签的模型，却能正确分类一张缅甸猫的图片。传统监督学习每个类别需要几百万张标注样本，而 OpenAI 在 2021 年发布的 CLIP 完全规避了这一限制：它将图像与自然语言描述共同映射到同一向量空间，此时“分类”即等价于从用户提供的任意候选句子中选出与该图像嵌入余弦相似度最高的一句。</p>