對比式神經表徵（CEBRA）

一種以 InfoNCE 式對比損失直接塑造嵌入的表徵學習法：把共享某輔助變數（經過的時間，或行為標記）的神經樣本拉近、其餘推遠，全程不重建活動。CEBRA（Schneider、Lee 與 Mathis，Nature 2023）是其代表；它可僅用時間（全自監督）運作，或由行為引導成為假設導向，能產生跨受試者、跨場次乃至跨模態一致的嵌入，並附帶擬合優度與一致性統計量，而非單一不透明的準確率數字。

對比學習與生成及遮罩族相對：它不對活動建立概似，而是最佳化潛在空間的幾何，使距離具有意義。這使其特別適合一致性與對齊問題，也常被用作嵌入前端，其輸出再餵入簡單的下游解碼器。