我们介绍了一种名为MIM（Masked Image Modeling）-Refiner的对比学习方法，用于提升预训练的MIM模型。MIM-Refiner的设计灵感来源于一个重要的观察，即在MIM模型中，强大的表示通常存在于中间层。因此，MIM-Refiner利用多个连接到不同中间层的对比头。在每个对比头中，通过修改后的最近邻目标构建语义聚类，这些聚类能够捕捉语义信息，从而提高下游任务的性能，包括即用型设置和微调设置。精炼过程简短且简单——但效果显著。经过几个epoch的训练，我们将MIM模型的特征从次优提升到了最先进的即用型特征水平。例如，使用data2vec 2.0在ImageNet-1K上预训练的ViT-H模型，在线性探测任务中达到了84.7%的新纪录，并在低样本分类任务中也创下了ImageNet-1K预训练模型的最佳成绩。MIM-Refiner高效地结合了MIM和ID目标的优势，在低样本分类、长尾分类、聚类和语义分割等多种基准测试中表现优于之前的自监督学习（SSL）模型。