关键词instance-incremental learning
搜索结果 - 2
- 决策边界感知的知识整合产生更好的增量学习器
在实例增量学习中,我们定义了一种新的实用模型推广设置,通过仅使用新观察来提高模型性能,同时抵制灾难性遗忘和应对概念漂移问题,我们提出了一种新颖的决策边界感知蒸馏方法来整理知识,使教师模型成为更好的增量学习器,这颠覆了之前以学生模型为主要角色 - Concept-1K:一种实例增量学习的全新基准
基于对 Concept-1K 实验的研究,揭示了数十亿参数的预训练语言模型仍然受到灾难性遗忘的影响,并且遗忘受模型规模、预训练和缓冲区大小的影响。同时,现有的增量学习方法和一种流行的微调技术 LoRA 都无法达到令人满意的性能。这项研究为进