论文提出漂移自适应表征保持方法应对域增量学习遗忘
热点事件持续更新
论文提出漂移自适应表征保持方法应对域增量学习遗忘
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Hyunmin Kong 等发布论文（arXiv:2611.06093，已入选 ACCV 2026），提出漂移自适应表征保持方法：将表征漂移定义为旧概念当前表示偏离固定锚点的程度，作为遗忘风险的可度量代理，并为每个域-类概念分配保护强度。 方法改造 JEPA 架构，只需存储紧凑上下文摘要，即可在不保存旧数据的情况下测量漂移并据漂移构建原型。论文称在 DomainNet、Office-Home、CORe50、CDDB-Hard 四个基准上保持精度-遗忘平衡，同时训练内存显著更低、存储开销最小。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
漂移自适应表征保持方法用于域增量学习报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AI漂移自适应表征保持方法用于域增量学习
一篇入选 ACCV 2026 的论文提出漂移自适应表征保持方法，用表征漂移作为遗忘风险的可度量代理，为每个域-类概念分配保护强度。该方法改造 JEPA 架构，仅存储紧凑上下文摘要即可在不保存旧数据的情况下测量漂移，并据漂移构建原型。在 DomainNet、Office-Home、CORe50、CDDB-Hard 四个基准上保持准确的精度-遗忘平衡，训练内存显著更低、存储开销最小。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。