悉尼科技大學提出 Torque 演算法：無需人工標註，準確率達 97.7%

Torque Clustering 是悉尼科技大學團隊開源的一款無監督聚類演算法。它不需要人工打標籤，也不用手動除錯超引數，丟給它一堆亂七八糟的原始資料，它就能自己找出內在規律並自動分組。

如果你手頭有一大堆沒有標註的複雜資料，無論是醫學病歷、金融交易流水還是感測器日誌，用它都能快速自動歸類。

它能做什麼

傳統的聚類演算法通常有個大麻煩：你要麼得提前告訴它資料該分成幾組，要麼得反覆調整一大堆敏感的數學引數。只要資料分佈不規則或者噪聲稍微大一點，效果就會大幅縮水。

Torque Clustering 主打完全自動化和免調參。它能自適應各種形狀、不同密度以及高噪聲的資料分佈，自主推斷出合理的分類結構。

在實際場景裡，比如醫療研究，它可以在沒有人工標註病歷的情況下，自動聚合相似的症狀與治療響應，幫助篩查未知的疾病亞型。

在金融領域，新形式的異常交易層出不窮，它不需要預先準備欺詐樣本，僅憑交易流水的分佈特徵就能直接揪出可疑行為。

它是怎麼做到的

演算法的設計靈感來自天體物理學，具體說是星系在引力相互作用下發生合併時的力矩平衡。

兩位研究者將資料點抽象為具有物理屬性的客體，核心只依託自然界最基礎的兩個物理量：質量與距離。

通過模擬力矩相互抵消與平衡的動態過程，資料空間中自然形成了不同的力矩峰值。演算法據此尋找質量與距離的極值點，無需人工指定簇的數量，就能自然鎖定聚類的邊界。

這篇題為《Autonomous clustering by fast find of mass and distance peaks》的論文，目前已經正式發表在人工智慧頂刊 IEEE TPAMI 上。

效果與怎麼跑起來

研究團隊用 1000 個不同型別的資料集對它進行了全面壓力測試。

測試結果顯示，Torque Clustering 的平均調整互資訊（AMI）得分達到了 97.7%。作為對比，現有的主流先進聚類方法得分普遍只在 80% 左右。

在與 19 種尖端聚類演算法的橫向基準測試中，它在 15 個已知真值的資料集上拿下了最高準確率。更關鍵的是，在 20 個測試集裡，它有 15 個完全靠自己找準了正確的聚類類別數，省去了過去最耗人力的預設步驟。

目前該演算法的程式碼已經完全開源，面向所有研究者和開發者開放。

為什麼重要

當前大模型的熱潮很大程度上建立在極其昂貴的人工標註和監督微調之上。但在很多現實垂直領域，比如罕見病診斷或工業感測器排障，找專家標資料既昂貴又不現實，無監督學習才是低成本撬動資料價值的關鍵。

Torque Clustering 的聰明之處在於，它沒有在傳統的統計最佳化死衚衕裡硬卷，而是借用物理直覺做到了真正的免調參和自適應類別推斷。對於需要處理大規模無標籤資料的演算法工程師和科研人員來說，這套工具非常值得第一時間拉進自己的分析管線裡試跑一下。