Почему триплетные потери выбирают жестко отрицательные, приводит к обрушившейся модели?Это проблема градиентного взрыва?

Question

В статье:

Автор утверждает, что выбор жесткого негатива обычно приводит к свернутой модели, но по градиенту градиент жесткого негатива даже меньше, чем у полужесткого