Meta FAIR 开源 e-means：比 Lloyd 算法快 10 倍、损失更低的 k-means
generativist · x · 2026-11-12
Meta FAIR 团队开源 e-means，一种替代 Lloyd 算法的现代 k-means 聚类方法，核心成果：速度与质量双赢。
关键数据：
- 在大范围规模与数据集上，e-means 只需 1.2–3 个 epoch 即可达到 Lloyd 算法 25 个 epoch 以下的测试损失；
- GPU 端到端对比 SOTA 的 Lloyd 实现 Flash-KMeans 快 10–45 倍，CPU 对比 Faiss 快 8–15 倍；
- 每 epoch 更新次数 97 次 vs Lloyd 的 1 次，批大小与步长依据 scaling laws 设定。
项目由 Swann Bessa 与 Pierre-Emmanuel Mazaré、Gergely Szilvasy、Hugo Touvron、David Picard、Matthijs Douze、Hervé Jégou 合作完成，论文、代码与浏览器内在线演示均已公开。区别于 VQ-VAE 中的动态 codebook 学习，e-means 针对静态数据集聚类问题优化。
「Infra」频道最新
- 工具调用成本差异悬殊:Qwen3.8 Max 带工具贵 28 倍,Fable 贵 5.8 倍 — ArtificialAnlys · 2026-11-12
- 网友自组 AMD CPU + 华为昇腾 950PR 混合推理主机 — AIFlow_ML · 2026-11-12
- 黄仁勋去职不是大事，AI四层单点故障才是真隐患 — krishnan · 2026-11-12
- 研究：数据中心仅占美国家庭电价涨幅 4%，参议员仍呼吁全国禁建 — Eliv_nurotic · 2026-11-12
- vLLM 首日支持 MiniMax-M3.1-Flash,Rubin NVL72 吞吐提升 10.2 倍 — vllm_project · 2026-11-12
- vLLM 实测:MiniMax-M3.1-Flash 在 Rubin NVL72 吞吐达 GB300 的 10.2 倍 — vllm_project · 2026-11-12