在不依赖下游任务的情况下评估已学习表示的质量仍然是表示学习的挑战之一。在这项工作中,我们提出了几何成分分析(GeomCA)算法,基于其几何和拓扑性质评估表示空间。GeomCA可以应用于任何维度的表示,独立于生成它们的模型。我们通过分析从各种场景中获得的表示,如对比学习模型、生成模型和监督学习模型,证明了它的适用性。
https://www.zhuanzhi.ai/paper/efa6de0f034d485bbb30b2a45947ea18