Компьютерные науки > Машинное обучение [представлено 15 сентября 2026 года] Название: CLARE: Расширимое инкрементальное непрерывное обучение на основе рамочного обзора PDF HTML (экспериментального) резюме: Постоянное обучение должно сочетать изучение новых знаний с сохранением ранее приобретенных знаний для постепенного изучения задач из потока данных без катастрофической забвения. Хотя использование предварительно подготовленных моделей значительно улучшило непрерывное обучение, существующие методы характеризуются узкой способностью к масштабированию при последовательном обучении по многим задачам и деградации эффективности в результате межзадачных помех и потери пластичности. Вдохновленный доказательствами того, что недостаточная тонкость позволяет добиться результатов, сопоставимых с полной корректировкой, в настоящем документе представлена новая система непрерывного обучения на основе принципа терпимости. Наш метод непрерывного обучения, называемый CLARE, действует в два этапа: сначала он выявляет слабую и критическую маску параметров через задачу, которая вызывает искривляющую цель, а затем выполняет совершенную под маской тонкую настройку только оптимизируя параметры, выбранные маской. Этот двухступенчатый малоэффективный адаптационный механизм позволяет накапливать все задачи в рамках общего пространства для адаптации, уменьшая разрушительное вмешательство между задачами. Широкие эксперименты демонстрируют масштабируемость КЛАРЕ. Что касается длинного контрольного…
КЛАРЕ: Разумное непрерывное обучение в классах с использованием системы, основанной на разнице
arXiv: 2609.17026v1 Annualte Type: New Habstratement. Постоянное обучение должно сочетать изучение новых знаний с сохранением ранее приобретенных знаний, чтобы постепенно учиться выполнению задач из потока данных без катастрофического забвения. Хотя использование предварительно подготовленных моделей значительно улучшило непрерывное обучение, существующие методы характеризуются узкой способностью к масштабированию при последовательном обучении по многим задачам и деградации эффективности в результате межзадачных помех и потери пластичности. Вдохновленный доказательствами того, что недостаточная тонкость позволяет добиться результатов, сопоставимых с полной корректировкой, в настоящем документе представлена новая система непрерывного обучения на основе принципа терпимости. Наш метод непрерывного обучения, называемый CLARE, действует в два этапа: сначала он выявляет слабую и критическую маску параметров через задачу, которая вызывает искривляющую цель, а затем выполняет совершенную под маской тонкую настройку только оптимизируя параметры, выбранные маской. Этот двухэтапный малоэффективный механизм адаптации позволяет всем задачам