标签
论文提出 LSA-PAST，一种面向组合式增量学习（composition-IL）的参数高效方法，通过在冻结的 ViT 中注入深度特化的 LoRA 适配器，并利用无需复习的仿射变换将旧原型映射到新的适配器空间，实现了在精度—遗忘权衡上的 state-of-the-art 表现。
本文介绍了StreamFraudNet，一种弱监督增量模型，用于从原始语音中检测电话诈骗，达到ROC-AUC 0.9953，并能实时运行，在通话过程中提供早期警告。
本文研究了在标准初始化下，双层神经网络学习正交多指标模型的训练动态，揭示了增量学习和竞争性参数重分配现象，并引入了一种基于对称性的有限宽度近似方法用于分析。
本文提出了一种溯源引导的增量学习框架，用于处理由规则引发的概念漂移，其中目标定义发生变化，并在一个新的基准上进行了评估，以提高效率和准确性。
SynGAP 是一个无任务持续学习框架，通过自适应梯度预处理模拟生物元可塑性，以缓解灾难性遗忘，在基准测试中显示出相对于现有方法的显著准确性提升。
本文介绍了一种基于可训练混合态原型的量子增量学习框架，能够在无需增加电路宽度的前提下添加新类别，同时缓解灾难性遗忘。
DeltaMem将LLM智能体记忆组织成残差树，以减少冗余和检索冲突，存储经验的增量变体以支持持续学习。
本文通过引入与机制对齐的白盒攻击代理 WB-Softmax，研究了流式神经架构模糊 ARTMAP 中的对抗鲁棒性。本文评估了渐进式训练和选择性更新策略，以在不进行数据重放的情况下提高鲁棒性，同时为结构性失效提供可解释的诊断。