研究者提出基于CLS架构的情景式持续学习方法

David Rawlinson 与 Gideon Kowadlo 在 arXiv 论文（arXiv:2610.38577）中提出基于互补学习系统（CLS）架构的情景式观察方法，用强化学习偏置感知，由短期记忆在长期记忆产生的感知空间中工作：长期记忆负责统计泛化，短期记忆专注近期输入并避免干扰。 论文称在图像分类任务上，该模型在域增量持续学习设置中比现有模型更抗遗忘，但整体准确率略低于现有持续学习模型，性能特征有所不同。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。