Realistic Continual Learning

新的真实持续学习范式解决了灾难性遗忘问题

研究人员引入了一种名为真实持续学习（RealCL）的新范式，以解决人工智能模型中灾难性遗忘的挑战。与传统的类别增量学习设置不同，RealCL使用任务间的随机类别分布来更好地模拟现实世界的适应性。为了解决这个问题，他们开发了CLARE，一种基于预训练模型的解决方案，旨在整合新知识并保留先前学到的信息。实验表明，CLARE在RealCL基准测试中优于现有模型，证明了其在不可预测的学习环境中的有效性。