Papers with Code 아카이브
Continual Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 5
- 평가표
- 33
- 보존된 평가 기록
- 133
Continual Learning (also known as Incremental Learning, Life-long Learning) is a concept to learn a model for a large number of tasks sequentially without forgetting knowledge obtained from the preceding tasks, where the data in the old tasks are not available anymore during training new ones.
If not mentioned, the benchmarks here are Task-CL, where task-id is provided on validation.
Source:
Continual Learning by Asymmetric Loss Approximation with Single-Side Overestimation
Three scenarios for continual learning
Lifelong Machine Learning
Continual lifelong learning with neural networks: A review
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
푸앵카레와 벨만의 만남: 변화하는 환경에서의 수정 가능한 기억, 연산적 몫, 그리고 증거 기반 학습
순서에서 분포로: 지속 학습에서의 망각을 위한 정확한 연산자 프레임워크
AEGIS: 지식 보존형 비전-언어-행동 미세조정을 위한 앵커 기반 그래디언트 격리
PMF-CL: 상충하는 태스크를 위한 파레토 최소 망각 연속 학습기
지속 학습에서 초기 학습이 표현 변화의 후속 방향을 형성하는 방식
원시 ECG 리플레이가 없는 지속적 ECG 배포에서 전문가 유지와 자율 소스 추론의 분리
ESCROW: 정책 기반 엔터프라이즈 워크플로 내 에이전트를 위한 보호 및 이중 목표 지속적 유지보수
FinEvo-Bench: 전문 금융 워크플로우 내 자기 진화형 에이전트를 위한 종단적 벤치마크
자기 진화형 에이전트의 안전성: 서베이
ReLiveGym: 수 주간 재현된 현실 스트림 상에서 장기 생존 에이전트 평가
PG-SFT: 오프라인 에이전트 미세조정에서 능력 획득과 유지 간의 균형 잡기
CLASP: 단일 하이퍼네트워크 기반 공간 배치 개념을 위한 지속적 저순위 어댑터
교차 편집 간섭 억제를 통한 확산 모델의 지속적 개념 소거
순차적 모델 학습에서의 롤링 컨포멀 예측
듣지 말아야 할 때를 학습하기: 언어 모델을 위한 선택적 간섭 방지 사전학습
번역을 위한 LLM 미세조정: 일반적인 망각 완화 기법은 MT 특화 지시 이행 능력을 보존하지 못한다
파운데이션 모델을 위한 매개변수 중요도 기반 지속 학습
강화학습을 위한 가치 미러 하강법
COPE: 사용자 임베딩 및 자체 평가를 통한 희소한 사용자 피드백 하에서의 LLM 지속적 개인화
온라인 적응을 위한 베이지안 신경망의 전체 공분산 스무딩
무엇이 바뀌었는가? 실제·가상·비교 불가 진단을 통한 드리프트 탐지
EmbodiedMemory-Bench: 장기 체감 과업을 위한 체감 메모리 벤치마킹
이의 제기 경험의 기억 통합을 통한 자기 진화형 멀티미디어 검증
MicroQonv: 학습 및 추론에서 효율적인 마이크로스케일링을 위한 합성곱 텐서 재구성
스스로 정화되고 그래도 포착됨: 에이전트가 스스로 쓰는 저장소의 오류를 위한 단일 측정 원시량, 그리고 하락하는 점수가 실제로 측정하는 것
MoM: 메모리의 메모리
5G 무선 응용 분야를 위한 월드 모델 기반 예측 내비게이션 및 적응형 학습 알고리즘을 통한 자율주행 안전성 향상
제로샷 비전-언어 모델을 위한 영공간 적응 기반 메모리-프리 지속 학습
A Survey of Agentic Reasoning for Large Language Models: Towards Recursively Self-Improving and Collective Agents
PTCG-Bench: LLM 에이전트는 포켓몬 트레이딩 카드 게임을 마스터할 수 있는가?
RSIAgent: 새로운 환경에서 재귀적 자기 개선을 위한 자율 탐험
ReDraft, 단순 증류가 아닌 참조 기반 수정: 지속적 VLLM 사후 학습
에피소딕 AI를 넘어서: 생물학적으로 영감을 받은 지속적 인지를 위한 인지 필드 네트워크
ORDER: 도메인 적응형 체화 AI(Embodied AI)를 위한 허구 세계 벤치마크
ACLArena: 다단계 사후 학습에서의 에이전트 지속 학습
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.