arXiv 机器学习· Zhangkai Wu, Xu Zhang, Zhihong Cui, Yiqi Wang, Yi Zhang·· 6 小时前AI 评分34
召回还是重新学习？面向重复概念漂移的上下文专家混合方法 MICE
Recall or Relearn? A Mixture of In-Context Experts for Recurring Concept Drift
AI 导读
针对表格基础模型（TFMs）在数据流中的重复概念漂移问题，研究人员提出免训练的上下文专家混合方法 MICE。MICE 在检测到变化时切分数据流并合并历史上下文，利用快慢双层机制动态加权存储上下文与 FIFO 窗口。测试显示预先测量的学习曲线能有效预测召回增益，且 MICE 在真实数据流中取得了对比策略中最高的平均准确率。
来源：arXiv 机器学习 · arxiv.org