BriefGPT - AI 论文速递 · 2025-03-13T00:00:00Z 针对少样本增量学习的新基准：重新定义上限 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本研究提出了一种结合不平衡感知技术的联合训练基准，以解决少样本增量学习中的类别不平衡问题，缩小基础类与增量类的性能差距，并规范了实验设置与评估流程。 🎯 关键要点 本研究提出了一种结合不平衡感知技术的联合训练基准。 研究解决了少样本增量学习中的类别不平衡问题。 有效缩小了基础类与增量类之间的性能差距。 标准化了FSCIL方法的实验设置与评估流程。 为未来研究提供了可靠的基准和实用的基础。 🏷️ 标签 实验设置 少样本增量学习 性能差距 类别不平衡 联合训练 阅读原文 生成长图 分享链接 已复制链接
