InfoNCE相关综述 InfoNCE是一种用于对比学习的损失函数方法，在机器学习中常被用来优化无监督和自监督任务，目前广泛应用于计算机视觉、多模态数据处理等多个技术领域。 InfoNCE近期进展 ARC-CT：3D胸部CT的解剖引导对比学习：近期研究将InfoNCE方法应用于3D胸部CT图像的解剖特征对比学习，通过优化对比损失提升医学影像分析精度，为临床诊断提供更可靠的图像特征提取方案。 TraVEL：轨迹引导的视频嵌入学习用于驾驶视频检索：研究团队利用InfoNCE实现轨迹引导的视频嵌入学习，在驾驶场景下优化视频检索效率，推动交通领域智能系统的发展。 Utility-Aware多模态对比学习：生成更卖货的商品图：该研究结合InfoNCE与多模态数据，探索商品图像生成的实用化对比学习方法，提升商品展示效果的商业价值。 PCSP：单策略控制无限NPC，实现可扩展游戏智能体：研究尝试将InfoNCE应用于游戏智能体控制，通过对比学习优化NPC行为策略，实现可扩展的游戏场景交互设计。 当前焦点与观察点 InfoNCE作为对比学习的核心工具之一，当前在多模态数据处理、医疗影像分析、智能系统优化等领域应用持续拓展。不同场景下的特征优化方向成为研究重点，同时其在复杂环境下的泛化能力也成为关注焦点，未来有望在更多垂直领域实现更高效的技术落地。