去中心化协作持续学习：一种基于多目标最小化的技术

该工作把去中心化持续学习纳入多目标优化框架，智能体在分布式流式数据下仅做本地计算并与通信图中的邻居交换信息。智能体用本地记忆缓冲区存储过往任务样本，通过多目标建模让参数更新同时兼顾当前任务与已学任务，以缓解稳定性—可塑性困境。理论在均方误差意义下证明协作可利用本地数据与记忆缓冲的多样性降低跨任务网络平均 MSD，仿真验证了该方法在减少遗忘和改善平均 MSD 上的有效性。