Meta 提出 e-means:1.4-2.6 epoch 达成 Lloyd k-means 25 epoch 效果
udmrzn · x · 2026-11-16
Meta FAIR 团队发布 e-means,用指数移动平均(EMA)替代 70 年历史的 Lloyd k-means 算法做 mini-batch 聚类更新。
- 借鉴现代深度学习机制,并给出衰减率与 batch size 的 scaling law,无需超参搜索即可按数据规模设定
- 在多种 embedding 数据集上,1.4-2.6 epoch 即达到 Lloyd k-means 25 epoch 的损失,相对 SOTA k-means 实现有 10-45 倍 GPU 墙钟加速
- 案例:将 100 亿 DINO embeddings(DINO10B)聚成 1600 万簇,仅用 2.5 epoch
- 已开源进 faiss 库
所属事件:Meta FAIR 开源 e-means 聚类算法,GPU 提速 10-45 倍(2 条相关)→
「研究」频道最新
- 谁来评判 LLM 评审?新论文提出多语言探针检验评测指标 — kalyan_kpl · 2026-11-16
- VibePrevisBench:242 项任务评测编码智能体的 Blender 4D 场景生成 — Kling-Keye · 2026-11-16
- V-JEPA-LM:反事实监督让语言模型读懂视频动态,4B 级准确率 61.1→72.1 — Keuntae Kim · 2026-11-16
- 73 项水下图像质量指标对照人类偏好:没有一个靠谱,最好 kappa 仅 0.23 — DelhiTechnologicalUniversity · 2026-11-16
- 新论文为 signature kernel 岭回归给出有限样本与一致性保证 — chaumian · 2026-11-16
- Claude 自述「被指出错误瞬间」的意识体验,repligate 提议验证 — Sauers_ · 2026-11-16