对抗性多样化记忆回放（ADRM）：在连续学习中缓解记忆过度拟合问题
原文中文，约200字，阅读约需1分钟。发表于：。通过引入 Adversarially Diversified Rehearsal Memory (ADRM) 方法来解决记忆过拟合问题，ADRM 使用 FGSM 攻击来增加记忆样本的多样性，使得连续学习模型能够更加鲁棒地应对特征漂移和避免灾难性遗忘。
Robust Rehearsal框架通过特征精炼和核心概念巩固解决了持续学习系统中的灾难性遗忘挑战，为恢复性遗忘提供了解决方案，为人工智能系统发展铺平了道路。
