以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Formula-Driven Supervised Learning (FDSL) enables vision pre-training without real images, but existing methods cast pre-training as classification on discretized labels, discarding continuity in the generative process. We propose Formula-Driven Supervised Metric Learning (FDSML), which derives relational supervision f
阅读原文 · Hina Otake, Shinei Arakawa, Keitaro Tanaka, Yoshihiro Fukuhara, Hirokatsu Kataoka, Shigeo Morishima
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文值得看一眼，因为它戳中了 Formula-Driven Supervised Learning（FDSL）一个挺别扭的地方：用公式生成图像做预训练，最后却把生成参数离散成类别标签来分类。 生成过程本来是连续的，分类目标把它拍平了。 作者提出 FDSML，把监督信号从“这是第几类”换成“在参数空间里谁离谁更近”。这个转向不复杂，但方向有意思：预训练信号...