研究者提出SAGA方法缓解持续学习灾难性遗忘

2026年10月19日，arXiv机器学习领域发表的一项研究显示，研究人员提出了一种名为稀疏自编码器几何锚定（SAGA）的新方法，旨在解决持续学习中的灾难性遗忘难题。该方法通过将任务边界训练的稀疏自编码器转换为表征漂移的局部低秩约束，利用稀疏自编码器诱导的局部几何特性来抑制表征漂移，从而有效缓解模型在持续学习过程中对旧知识的遗忘。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。