热点事件持续更新
研究团队提出基于进化策略的持续测试期学习框架ESRL
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月20日，研究者在arXiv发表论文，提出了持续测试期学习框架ESRL。该框架通过在参数空间微扰锚定策略生成策略群体，并聚合其无标注群体相对信号来指导中心模型。实验结果显示，在数学推理、常识和医学领域的单任务测试期自适应中，ESRL相比基座模型平均准确率最高提升31.7%，相比最强基线最高提升16.6%。此外，该框架显著减轻了灾难性遗忘，在持续学习中取得了最强的最终性能。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 12:00
研究团队提出持续测试期学习框架ESRL，在多任务上显著提升准确率并减轻遗忘。报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 机器学习基于进化策略的持续测试期学习
研究者提出了持续测试期学习框架 ESRL，通过在参数空间微扰锚定策略生成策略群体，并聚合其无标注群体相对信号来指导中心模型。在数学推理、常识和医学领域的单任务测试期自适应中，ESRL 相比基座模型平均准确率最高提升 31.7%，相比最强基线最高提升 16.6%。该框架还显著减轻了灾难性遗忘，在持续学习中取得了最强的最终性能。
本事件热度走势
当前热度 9·可比范围峰值 10（10月20日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。