e-means：一种更快的 k-means 变体，以及更便宜聚类带来的杰文斯悖论
热点事件持续更新
e-means：一种更快的 k-means 变体，以及更便宜聚类带来的杰文斯悖论
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
一种名为 e-means 的新 k-means 变体在每一轮中通过小批量和指数移动平均持续更新质心，而不是通常的全批量更新。据作者称，在将 100 亿个 DINO 嵌入聚类为约 1670 万个簇时，它在 2.5 个 epoch 内就达到了全批量 k-means 的测试损失，而不是 25 个 epoch。 该方法保持相同的目标和凸最近质心几何结构，并通过拟合的缩放定律自动设置批量大小和更新速率。作者认为，更便宜的聚类运行会促使人们尝试更多的 k 值，而不是降低计算成本。
AI 根据报道生成 · 15 小时前更新
最新进展11月13日 06:43
e-means：更快的 k-means 变体与更廉价聚类带来的杰文斯悖论报道时间线
沿着报道，了解事件的不同侧面。
11月13日
- Hacker News · AIe-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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。