研究人员开发了一种名为Miles(可扩展子空间度量学习)的新方法,以改进预训练模型的类别增量学习(CIL)。现有的CIL方法要么遭受灾难性遗忘,要么通过为每个新任务扩展模型参数来增加计算成本。Miles通过引导优化有效地扩展参数空间来解决这个问题,利用预训练模型的先验知识。该方法解耦了可学习模块,并使用中间特征进行灵活扩展,在六个基准数据集上取得了最先进的性能。 AI
影响 这项研究可能导致更有效的方法来持续更新AI模型,而不会丢失先前学习到的信息。
排序理由 该集群描述了一篇关于类别增量学习新方法的最新研究论文。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- Class Incremental Learning
- DagsHub
- Hugging Face
- Pre-trained model
- Metric Learning with Expandable Subspace
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →