基础模型时代下的自监督学习：核心方法、理论原理与前沿方向

简介

近年来，基础模型正在快速改变机器学习的发展范式，并在自然语言处理、计算机视觉、多模态学习等领域取得了显著进展。自监督学习是支撑这一变革的核心技术：模型通过在海量无标注数据上进行预训练，学习通用表示与基础能力，再通过微调或指令调优适配具体任务。这一“预训练—微调”范式不同于传统机器学习中基于同分布假设的经验风险最小化框架，也带来了新的理论问题和方法挑战。本Tutorial将围绕“基础模型时代下的自监督学习”展开，系统介绍自监督学习的代表性方法、理论基础与前沿方向。

简介为官网原文，部分内容可能未写完。