توفر دراسة حديثة تحليلاً نظرياً دقيقاً لقوة أطر التعلم الذاتي الموزع (D-SSL) في إعدادات غير مستقلة ومتطابقة التوزيع (non-IID). تُظهر الأبحاث أن التدريب المسبق باستخدام نمذجة الصور المقنعة (MIM) أكثر قوة بشكل جوهري تجاه البيانات المتباينة مقارنة بالتعلم التبايني (CL). بالإضافة إلى ذلك، تشير النتائج إلى أن قوة التعلم الذاتي اللامركزي تزداد مع متوسط اتصال الشبكة، مما يوحي بأن التعلم الموحد ليس أقل قوة من التعلم اللامركزي.
- التدريب المسبق باستخدام MIM أكثر قوة تجاه تباين البيانات من التعلم التبايني.
- تزداد قوة التعلم الذاتي اللامركزي مع متوسط اتصال الشبكة.
- يُظهر أن التعلم الموحد لا يقل قوة عن التعلم اللامركزي.
- يقدم المؤلفون خسارة MAR، وهي تحسين لهدف MIM مع انتظام محاذاة من المحلي إلى العالمي.
توفر هذه النتائج أساساً نظرياً متيناً لتوجيه تصميم خوارزميات D-SSL المستقبلية وتؤكد فعالية خسارة MAR المقترحة من خلال تجارب مكثفة.