使用预训练模型的现实继续学习方法
原文中文,约300字,阅读约需1分钟。发表于: 。我们提出了一个新的连续学习(CL)范式 Realistic Continual Learning(RealCL),其中任务之间的类分布是随机的,不同于结构化设置。同时,我们引入了一个名为 CLARE 的预训练模型解决方案,旨在在保留过去学习的同时整合新知识。通过广泛的实验证明了 CLARE 在各种 RealCL 场景中的有效性和优越性。
研究人员提出了一种名为RealCL的新连续学习范式,其中任务之间的类分布是随机的。他们还引入了一个名为CLARE的预训练模型解决方案,旨在整合新知识。实验证明了CLARE在各种RealCL场景中的有效性和优越性。