Lecture 03研究者为什么有理由继续沿这条路线走？

研究者为什么有理由继续沿这条路线走？

按问题继续

InfoNCE概率与梯度、h/z、温度、队列陈旧性、实测与评价协议

MoCo原论文Table 2(b)在同一Faster R-CNN、ResNet-50-C4设置下比较预训练起点：

预训练	box AP	AP50	AP75
ImageNet-1M 人工类别监督	53.5	81.3	58.8
ImageNet-1M MoCo	55.9	81.5	62.6

两者均在VOC trainval07+12检测标注上全层微调24k次，评价为VOC test2007，取5次实验平均；AP是COCO式多IoU阈值指标，AP50/AP75是指定阈值。MoCo相对提高2.4 AP，说明视图对比学出的参数在这套下游协议下提供了有效起点。

这不是冻结模型直接会检测：检测头与主干都用检测监督适配。它也不把所有预训练和下游总算力配平。相同论文的另一种主干结构收益不同，因此结论应保留具体模型与协议。

这份研究证据和上面的LAB07失败结果并不冲突：前者是论文规模、数据与下游协议下的能力进展；后者是小型教学实现的某次表示结果。机制跑通和用途改善应分别判断。