深度学习模型在静态数据中表现优异，但在非静态环境中因“塑性丧失”面临挑战。本文探讨了塑性丧失的机制，发现激活饱和和冗余表示导致学习能力下降。研究表明，促进静态环境泛化的特性在持续学习中加剧塑性丧失，并通过数值模拟验证了理论分析，探讨了可能的缓解策略。
本研究提出了一个统一的基准和评估协议，以解决深度强化学习中的塑性丧失问题，并推出开源框架“塑形”，提供多种减轻方法和评估指标，推动该领域的研究进展。
完成下面两步后，将自动完成登录并继续当前操作。
