标签
本文提出了一个针对基于回放的持续学习的逐层信息论框架，将泛化差距分解为回放引起的表示漂移项和优化依赖项，并通过Wasserstein松弛与SGLD实例化对其进行了细化。
本文提出了一种新颖的持续学习框架，用于时间序列预测，该框架利用注意力引导的经验回放，使模型能够适应新的数据分布，同时避免灾难性遗忘。该框架在标准基准和真实世界的水位数据上进行了评估。
本文通过经验回放和模型融合技术，将 IndicTrans2-1B 适应到 21 种印度语言的会话语域，在保持通用领域性能的同时取得了会话性能提升，但人工评估表明，基于指标的性能提升可能并未反映感知质量的改善。
CLaaS是一个系统，用于对部署中的LLM智能体进行持续学习，利用经验回放实现样本高效的在线适应。
本文研究浅层神经网络代理是否能够通过强化学习掌握纸牌游戏Schnapsen，超越监督模仿基线，并在一项与基于强搜索的对手的对比中取得有竞争力的结果。
# 面向大语言模型/视觉语言模型强化学习的鲜度感知优先经验回放 来源：[https://arxiv.org/html/2604.16918](https://arxiv.org/html/2604.16918) Weiyu Ma1 Yongcheng Zeng2 Yan Song3 Xinyu Cui2 Jian Zhao4 Xuhui Liu1 Mohamed Elhoseiny1 1 阿卜杜拉国王科技大学 (KAUST) 2 中国科学院自动化研究所 (CASIA) 3 伦敦大学学院计算机科学系人工智能中心 4 中关村人工智能研究院 weiyu\.
# 后见之明经验回放 来源：[https://openai.com/index/hindsight-experience-replay/](https://openai.com/index/hindsight-experience-replay/) ## 摘要 处理稀疏奖励是强化学习（RL）中最大的挑战之一。我们提出了一种名为后见之明经验回放的新颖技术，它允许从稀疏二元奖励中进行样本高效学习，因此避免了复杂的奖励工程设计的需要。它可以与任意组合