研究提出以平均终身误差为目标的持续学习框架

Lanzillotta、Samiei、Precup、Pascanu、Vernade 等人提出以平均终身误差（ALE）为目标的持续学习在线优化框架，并给出 Predictive Continual Learning 算法类。 该研究挑战持续学习以缓解灾难性遗忘为核心的前提，指出在非平稳环境中过度保留历史知识会阻碍实时适应。作者用迁移效率量化“不稳定性”（来自冲突过往经验的偏差）与“瞬态误差”（从头学习新任务的优化成本）之间的张力。 这是 arXiv 上的研究预印本，结论属作者主张，尚未见独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。