论文辨析持续学习中任务的隐含假设

Kathrin Korte 等提交并在 arXiv 公开论文（arXiv:2610.41792），指出持续学习通常将数据集划分为任务并按顺序呈现，但任务相似性、数据变化率与呈现顺序等解释因素可在底层数据、数据划分或学习者三个不同层面定义，各层面的取值未必一致，而实际测量中往往未说明所指层面。论文将这三个层面区分开，并明确哪些性质在每一层面取值。该论文已被 NeurIPS 2026 基础模型与具身智能体时代的持续学习研讨会接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。