热点事件持续更新
类别增量学习中重放保留偏差与类对应研究
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
2026年10月7日，arXiv Machine Learning Theory（一手）发表论文《增量学习中回放应保留什么：区分可纠正偏差与类别对应》。论文提出诊断框架，把缓存预测视为时间异质监督，区分样本存储时已知类别与之后学习类别，并在任务级偏移前后评估模型。在 CIFAR-100 上结合 DER++，合适常数可在 1 个百分点等价范围内替代后学类别的未刷新分数，删除其匹配的代价经偏移从 14.9 降至 1.8 个百分点；重排存储时已知类别的非 gold 分数代价为 4.3 与 4.0 个百分点，图像蒸馏中同样存在。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
新论文提出诊断框架，量化缓存预测偏差与类对应在增量学习中的代价。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv · Machine Learning Theory增量学习中回放应保留什么：区分可纠正偏差与类别对应
论文提出诊断框架，把缓存预测视为时间异质监督，区分样本存储时已知类别与之后学习类别，并在任务级偏移前后评估模型。在 CIFAR-100 上结合 DER++，合适常数可在 1 个百分点等价范围内替代后学类别的未刷新分数，删除其匹配的代价经偏移从 14.9 降至 1.8 个百分点；重排存储时已知类别的非 gold 分数代价为 4.3 与 4.0 个百分点，图像蒸馏中同样存在。
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。