什么是对比学习？AI 如何学会“谁和谁更相似”

要让 AI 知道“这句话和哪段资料意思最接近”，只教它分类标签往往不够。**对比学习（Contrastive Learning）**用另一种方式训练：把相似的样本拉近，把不相似的样本推远，让数据在向量空间中形成有意义的距离。

一个直观例子

“如何取消订单”和“退款流程是什么”应靠得近；“今天天气怎样”应离它们很远。训练时，模型看到一个问题、一段匹配资料和多段不匹配资料，会学习让前两者的向量更接近。

这正是 Embedding能用于语义检索的原因：向量不是随意的数字，而是经过“相似拉近、不同推远”的训练得到的坐标。

哪些场景在用它

• 文本、图片、音频的相似度检索
• RAG 知识库召回
• 图文匹配与跨模态搜索
• 推荐系统中的用户和内容匹配
• 去重、聚类和异常发现

难点是“负样本”

太容易区分的负样本对训练帮助很小；太接近但实际不匹配的“困难负样本”更有价值，也更容易让模型学到细微差别。数据标注错误、同义句被当作负样本，都会破坏向量质量。

总结

对比学习不直接教模型一个唯一答案，而是教它建立“相似度地图”。它让 Embedding 能表示语义距离，支撑了检索、推荐与多模态匹配。理解这层，就能明白为什么 RAG 的好坏首先取决于“资料离问题够不够近”。