Transfer-Selective Replay

持续学习研究探索任务迁移和动态路由

研究人员正在探索持续学习的新方法，重点关注模型如何在不发生灾难性遗忘或进行大量重新训练的情况下学习新任务。一种名为迁移选择性回放（TSR）的方法，识别出预测将有利于新任务的特定过往数据，从而在保持稳定性的同时提高前向迁移能力。另一种方法Coincidex提出了一种框架，该框架使用动态任务相似性路由来管理数据路径，而不依赖于内存密集的回放缓冲区，尽管它在处理高度混乱的任务序列时显示出局限性。