悉尼科技大学提出 Torque 算法：无需人工标注，准确率达 97.7%

Torque Clustering 是悉尼科技大学团队开源的一款无监督聚类算法。它不需要人工打标签，也不用手动调试超参数，丢给它一堆乱七八糟的原始数据，它就能自己找出内在规律并自动分组。

如果你手头有一大堆没有标注的复杂数据，无论是医学病历、金融交易流水还是传感器日志，用它都能快速自动归类。

它能做什么

传统的聚类算法通常有个大麻烦：你要么得提前告诉它数据该分成几组，要么得反复调整一大堆敏感的数学参数。只要数据分布不规则或者噪声稍微大一点，效果就会大幅缩水。

Torque Clustering 主打完全自动化和免调参。它能自适应各种形状、不同密度以及高噪声的数据分布，自主推断出合理的分类结构。

在实际场景里，比如医疗研究，它可以在没有人工标注病历的情况下，自动聚合相似的症状与治疗响应，帮助筛查未知的疾病亚型。

在金融领域，新形式的异常交易层出不穷，它不需要预先准备欺诈样本，仅凭交易流水的分布特征就能直接揪出可疑行为。

它是怎么做到的

算法的设计灵感来自天体物理学，具体说是星系在引力相互作用下发生合并时的力矩平衡。

两位研究者将数据点抽象为具有物理属性的客体，核心只依托自然界最基础的两个物理量：质量与距离。

通过模拟力矩相互抵消与平衡的动态过程，数据空间中自然形成了不同的力矩峰值。算法据此寻找质量与距离的极值点，无需人工指定簇的数量，就能自然锁定聚类的边界。

这篇题为《Autonomous clustering by fast find of mass and distance peaks》的论文，目前已经正式发表在人工智能顶刊 IEEE TPAMI 上。

效果与怎么跑起来

研究团队用 1000 个不同类型的数据集对它进行了全面压力测试。

测试结果显示，Torque Clustering 的平均调整互信息（AMI）得分达到了 97.7%。作为对比，现有的主流先进聚类方法得分普遍只在 80% 左右。

在与 19 种尖端聚类算法的横向基准测试中，它在 15 个已知真值的数据集上拿下了最高准确率。更关键的是，在 20 个测试集里，它有 15 个完全靠自己找准了正确的聚类类别数，省去了过去最耗人力的预设步骤。

目前该算法的代码已经完全开源，面向所有研究者和开发者开放。

为什么重要

当前大模型的热潮很大程度上建立在极其昂贵的人工标注和监督微调之上。但在很多现实垂直领域，比如罕见病诊断或工业传感器排障，找专家标数据既昂贵又不现实，无监督学习才是低成本撬动数据价值的关键。

Torque Clustering 的聪明之处在于，它没有在传统的统计优化死胡同里硬卷，而是借用物理直觉做到了真正的免调参和自适应类别推断。对于需要处理大规模无标签数据的算法工程师和科研人员来说，这套工具非常值得第一时间拉进自己的分析管线里试跑一下。