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.
WebCoach: 세션 간 메모리 가이던스를 갖춘 자기 진화형 웹 에이전트
범용 시계열 예측 모델의 연속 학습을 위한 어텐션 기반 경험 재생 프레임워크
SiGMA: 다중모달 지속적 지시 미세조정을 위한 부호 기반 병합 및 적응
Benchmarking Unlearning for Vision Transformers
Lessons and Open Questions from a Unified Study of Camera-Trap Species Recognition Over Time
리플레이 기반 지속 학습에서 상시 클러스터 간 반발의 실패 모드
한 번 이상 산다: 계층적 스킬 메타 진화를 향하여
OpenEvoShield: 개방 세계 다중 에이전트 시스템 공격에 대한 이중 비정상 지속적 방어
PRO-LONG: 프로그래매틱 메모리가 장기 추론을 가능하게 한다
연속 학습을 위한 Soft-TransFormers
매개변수 효율적 지속적 미세조정: 서베이
ABot-AgentOS: 평생 멀티모달 메모리를 갖춘 범용 로봇 에이전트 OS
Learn to Memorize: Scalable Continual Learning in Semiparametric Models with Mixture-of-Neighbors Induction Memory
언어 모델의 신뢰성과 스케일링에 대한 정보이론적 한계
대규모 언어 모델 지속 학습을 위한 SubExpert 혼합(Mixtures of SubExperts)
임의 클래스 중첩을 갖는 태스크 없는 스트리밍 연합 지속 학습을 위한 지식 인식 진화
NORACL: 오라클 없는 자원 적응형 연속 학습을 위한 신경 발생
Grow-Prune-Freeze 네트워크: 후각 내비게이션을 위한 적응형 지속 학습 기법
Gate-Zero Growth: 함수 보존 지속 학습을 위한 기하학적 프레임워크
CatalogAgent: 생성형 AI 모델의 컨텍스트 엔지니어링을 가능하게 하는 감독 에이전트 중재형 자기학습 시스템
SmartRAG: 모바일 기기용 네이티브 그래프 기반 RAG
장기 증분 3D 객체 검출에서 모델 망각 주기의 돌파
AlphaWiSE: 지속적 다중모달 표현 학습을 위한 적응형 가중치 보간
REDDIT: 리플레이 기반 분포 편집을 통한 ASR 모델 생성 타임스탬프 드리프트의 망각 없는 교정
MemDefrag: 대규모 언어 모델을 위한 잠재 메모리 조각 모음
국소 중복성: 합성 기억화로부터의 가소성에 대한 정보 이론적 측정
지속적으로 진화하는 딥페이크 탐지: 동적 탐지 시스템의 아키텍처 및 공개 벤치마크 평가
점진적 객체 검출을 위한 공생 기반 지식 증류
축적된 행동 규칙을 통한 자기 개선 AI 코딩 에이전트: 폐루프 프레임워크
현대 에이전트 시스템에서의 자기 개선: 서베이
생물체와 미래 체화 AI의 그라운딩 세계 모델
에이전트 옵티마이저는 누적되는가? Terminal-Bench 2.0에서의 지속 학습 평가
언어 모델은 가중치에 사실을 지속적으로 학습할 수 있는가?
구축된 현실, 경합적 사전분포: 자유 에너지 원리 하에서의 분리와 인지 재발의 구조
연합 MLLM 미세조정을 위한 탄성 정규화 및 합성 리플레이 기반 지속 학습
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.