对比学习

研究者提出ReportMedSAM框架，利用可学习的概念库和对比学习，将自由格式的放射学报告与医学图像分割任务对齐，显著提升了对临床同义词的鲁棒性和任务扩展能力。

研究人员提出T5-CSBoost方法，通过对比学习增强文本风格表征的鲁棒性，在保持轻量级架构的同时显著提升对抗性扰动下的AI文本检测准确率。

研究人员提出SPARCLE模型，通过对比学习将文本字符与说话人感知的声学特征对齐，显著提升低资源场景下的语音合成质量。

研究者提出MELD数据集，发现当前主流嵌入模型倾向于根据数学表述的术语而非底层数学逻辑进行分组，并提出对比学习方法提升模型对数学等价性的识别能力。