Meta 发布自监督框架 JEM，小数据量超越 DINOv3

Meta FAIR 研究者发布论文《Scalable Patch-Level Self-Supervised Learning》，提出自监督学习框架 JEM。该框架从多视角假设出发，经信息论目标推导出学生-教师式的简洁结构，原理清晰。实验显示其在仅用约 1/12 数据量的情况下性能超越 DINOv3，并在 7B 参数规模上继续领先，被认为是一篇被低估的亮点工作。

2026-10-26 ~ 2026-10-26 · 2 条相关

• Meta 被忽视的新论文：JEM 自监督框架在 7B 规模超越 DINOv3 — iScienceLuvr · 2026-10-26
• Meta 提出自监督新框架 JEM,数据量仅 1/12 超越 DINOv3 — iScienceLuvr · 2026-10-26