热点事件持续更新
TMLN：通过轨迹预条件缓解持续学习中的灾难性遗忘
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
TMLN（Trajectory-Modulatory Landscape Navigation）将持续学习形式化为曲率损失景观上的最优控制问题，利用对角经验 Fisher 信息矩阵（FIM）定义局部 Riemannian 流形，并通过网络参数值的历史轨迹动态调节预条件器，直接集成到梯度更新中，从而在不依赖加法惩罚的情况下保护历史关键参数方向。
AI 根据报道生成 · 2 小时前更新
最新进展9月30日 12:00
2026-09-30 arXiv 发布新论文提出 TMLN，通过轨迹预条件缓解持续学习中的灾难性遗忘。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · Machine LearningNormative Loss Landscape Navigation: A Trajectory-Based Approach to Mitigating Forgetting in Incremental Learning
summary_zh: TMLN（Trajectory-Modulatory Landscape Navigation）将持续学习形式化为曲率损失景观上的最优控制问题，利用对角经验 Fisher 信息矩阵（FIM）定义局部 Riemannian 流形，并通过网络参数值的历史轨迹动态调节预条件器，直接集成到梯度更新中，从而在不依赖加法惩罚的情况下保护历史关键参数方向。
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。