ICLRFeb, 2022
通过主题建模理解自监督学习的鲁棒性
Understanding The Robustness of Self-supervised Learning Through Topic Modeling
Zeping Luo, Shiyou Wu, Cindy Weng, Mo Zhou, Rong Ge
TL;DR本研究从主题建模的角度着手,证明了基于重建或对比样本的自监督目标都可以为一般主题模型恢复有用的后验信息,并在实验证明了同样的自监督目标表现可以与使用正确模型的后验推断相媲美,而优于使用错误模型的后验推断。