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.
SymbOmni: 기호적 개념 학습을 통한 에이전트형 옴니 모델의 진화
이질적 의료 시각 질의응답(MedVQA)에서 지속 학습의 실증 분석
연속 가짜 음성 탐지에서 망각 방지를 위한 역추적 변환기
차이 가이드 적응과 주파수 분리 지식 증류를 통한 도메인 점진적 원격 탐사 변화 탐지
실수 게이팅이 에너지 및 메모리 효율적인 지속 학습으로 이어진다
비정상성 하에서의 문맥 내 강화학습: 서베이
실세계에서의 강화학습: 통계적 과제와 미래 방향에 대한 서베이
비영어권 언어에서의 추론 비용: 일본어 사례 연구
통합 그래디언트 투영: 다국어 저자원 ASR을 위한 언어 균형 지속 학습
평생 표현: 비전 모델을 위한 지속적 자기지도 학습 서베이
자원 제약 환경에서 파운데이션 모델 미세조정 학습
CA-DGCL: Dynamic Graph Continual Learning via Condensation and Attachment
그래프-테이블 정렬을 통한 놀랍도록 단순하고 효과적인 다중 도메인 그래프 파운데이션 모델
동적 에이전트 스킬: 진화하는 스킬 라이브러리의 생명주기 서베이 및 분류 체계
UNIT: 그래프 연속 학습을 위한 대규모 언어 모델의 잠재력 발휘
AI YOU Town: 디지털 트윈으로 친구를 사귀고 수익을 창출하세요
안드로이드 악성코드 탐지를 위한 회귀 인식 지속 학습
언어 모델에게 수면이 필요하다: 자기 수정과 기억 통합 학습
Towards Continuous Power Forecasting: Practical Continual Learning for Real-World Energy Systems in Nonstationary Time Series
HERO: 연합 지속 학습을 위한 이질성 인식 벤치마크 라이브러리
FlowDAgger: 잠재 공간에서 생성형 로봇 정책의 인간 참여형 적응
대형 모델의 그린 개발에 관한 서베이: 자원 효율적 아키텍처부터 하드웨어-소프트웨어 공동 설계까지
연속 학습에서의 간섭과 보존
좁게 잊고, 넓게 유지하라: 비대칭 일반화 문제로서의 언러닝
전기차를 위한 온디바이스 적응형 배터리 전력 예측
SHARP: 장거리 비정상 시간적 패턴 인식을 위한 수면 기반 계층적 가속 리플레이
고정된 표현을 넘어서: 개방형 AI에서의 어휘 격차와 검증자 격차
현재의 지속 학습 방법들은 진정으로 불가지론적인가? 불가지론적 지속 학습을 향한 한 걸음, OPRE 소개
StateLinFormer: 내비게이션에서 장기 기억을 강화하는 상태 유지 학습
ReCoLoRA: 지속적 LLM 미세조정을 위한 스펙트럼 인식 재귀적 통합
지속적 학습은 언제 학습을 필요로 하는가
강화학습과 인간 피드백을 활용한 커넥티드 차량의 자기적응형 이상 탐지
에너지 효율적인 도메인 특화 인공지능 모델 및 에이전트를 향한 비전
애플리케이션 층 시뮬레이션에서 네이티브 메타-아키텍처로: 이종 AI 진화의 내인성 동인으로서의 구조적 긴장
ADORN: 강화학습을 활용한 Open RAN의 적응형 드리프트 처리
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.