e-means：更快的 k-means 变体与更廉价聚类带来的杰文斯悖论

e-means 是一种新的 k-means 变体，它在每一轮遍历中通过小批量与指数移动平均持续更新质心，在将 100 亿条 DINO 嵌入聚类为约 1670 万个簇的任务上，仅用 2.5 个 epoch 就达到全批量 k-means 的测试损失，而后者需要 25 个 epoch。它保持相同的目标函数与凸最近质心几何结构，并通过拟合的缩放定律自动设定批量大小与更新速率。作者认为，更廉价的运行意味着可以尝试更多 k 值，而不是降低计算账单。