arXiv cs.AI· Zirui Shang, Xin Shu, Yang Liu, Zhi Gao, Xinxiao Wu, Lifeng Fan·· 3 天前AI 评分23
面向应用流的持续 GUI 智能体学习的选择性知识控制
Selective Knowledge Control for Continual GUI Agent Learning over Application Streams
AI 导读
研究者提出激活条件选择性知识控制方法，通过神经元级梯度操作让 GUI 智能体在应用流上持续学习：对未激活神经元截断梯度以防干扰，对激活神经元做正交投影以兼顾稳定与适应，并在每阶段合并新识别的关键神经元。在多应用顺序基准上，该方法有效缓解了对旧应用的灾难性遗忘，同时保持对新应用的适应能力。
正文 · AI 翻译
摘要：持续学习是图形用户界面（GUI）智能体适应不断演进的应用程序、同时保留从先前应用中获得的知识的一项关键能力。此类应用流带来了一个具有挑战性的知识建模问题：新应用通常与过去应用共享底层知识，但也会引入不得干扰历史知识的特定知识。在本文中，我们提出了激活条件选择性知识控制，这是一种通过神经元级梯度操纵实现选择性知识保留的轻量级方法。我们的方法维护一个紧凑的历史知识状态，以保护保留先前知识的高激活 MLP 神经元。当新应用到来时，它执行以前向激活为条件的实时梯度手术。具体而言，受保护的神经元被分为两类：持有特定知识的未激活神经元，其梯度被截断以防止干扰；以及持有共享知识的已激活神经元，其梯度被正交投影，以在保持稳定性的同时实现适应。在每个应用阶段之后，新识别出的关键神经元被合并到历史状态中，以供未来学习。在多应用顺序基准上的实证评估表明，我们的方法有效缓解了对先前应用的灾难性遗忘，同时保持了对新应用的稳健适应。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.06530 [cs.CV] |
| （或 arXiv:2609.06530v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.06530 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zirui Shang [查看电子邮件]
[v1]
2026年9月6日星期日 10:50:55 UTC（3,671 KB）
来源：arXiv cs.AI · arxiv.org