e-means：更快的 k-means 變體，以及更便宜聚類的傑文斯悖論

e-means 是一種新的 k-means 變體，它在每次遍歷中使用小批次和指數移動平均持續更新質心，在將 100 億個 DINO 嵌入聚類為約 1670 萬個簇時，僅需 2.5 個 epoch 即可達到全批次 k-means 的測試損失，而非 25 個 epoch。它保持相同的目標函數和凸最近質心幾何結構，並通過擬合縮放定律自動設定批次大小和更新率。作者認為，更便宜的運行意味著嘗試更多 k 值，而不是降低計算成本。