self-supervised-learning
데이터에 별도의 정답 라벨을 붙이지 않고 데이터 자체에서 학습 신호를 생성하여 모델을 훈련시키는 방식이다. LeJEPA 연구에서 제시된 것처럼 사람이 개입하는 휴리스틱을 줄이면서도 모델의 확장성과 성능을 동시에 확보할 수 있는 핵심 기술이다.
데이터에 별도의 정답 라벨을 붙이지 않고 데이터 자체에서 학습 신호를 생성하여 모델을 훈련시키는 방식이다. LeJEPA 연구에서 제시된 것처럼 사람이 개입하는 휴리스틱을 줄이면서도 모델의 확장성과 성능을 동시에 확보할 수 있는 핵심 기술이다.