InfoNCE 损失函数：促进正样本相似度，抑制负样本相似度

从InfoNCE中可以推断出，该函数的分子部分促进正样本之间的相似度增加，即在表示空间中距离越近越好；而分母部分则促进负样本之间的向量相似度降低，即距离越远越好。因此，通过InfoNCE损失函数的指导，可以在优化过程中实现相似示例在投影空间中更接近，而不相似示例在投影空间中更远的目标。

原文地址: https://www.cveoy.top/t/topic/jp69 著作权归作者所有。请勿转载和采集!