HIDRA：无回放终身模仿学习的分层双路由注意力
热点事件持续更新
HIDRA：无回放终身模仿学习的分层双路由注意力
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Fanqi Yu 等作者提出 HIDRA，一个分层双注意力路由框架，用于无回放单遍终身模仿学习。该框架把指令级专家检索与上下文相关细化拆开处理，以缓解路由干扰，并引入 key 级几何正则化，在任务内对齐、任务间分离，从而在表征漂移下稳定路由。 在 LIBERO 多个基准上，包括异构任务序列和改写语言指令变体，作者报告 HIDRA 的 AUC 与前向迁移均优于无回放和有回放基线，同时保持低遗忘。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
HIDRA：面向无回放终身模仿学习的分层双路由注意力机制报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AIHIDRA：面向无回放终身模仿学习的分层双路由注意力机制
HIDRA 提出分层双注意力路由框架，将指令级专家检索与上下文相关细化解耦，缓解无回放单遍终身模仿学习中的路由干扰问题。该方法引入 key 级几何正则化，在任务内对齐、任务间分离，以稳定表征漂移下的路由。在 LIBERO 多个基准（含异构任务序列与改写语言指令变体）上，HIDRA 的 AUC 与前向迁移均优于无回放和有回放基线，且保持低遗忘。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。