热点事件持续更新
研究人员提出持续图学习新架构HCPN-GCN
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月8日，研究人员在 arXiv 发布持续图学习新架构 HCPN-GCN。该模型采用图卷积网络（GCN）替代线性特征提取器，并引入圆锥几何原型与多样性正则化目标。在 6 个持续图学习基准测试中，HCPN-GCN 在保持接近零遗忘的同时提升了平均分类准确率，且相比原 HPN 模型减少了约 30 倍原子原型，实现了更紧凑有效的类层次记忆表征。
AI 根据报道生成 · 3 小时前更新
最新进展10月8日 12:00
研究人员提出 HCPN-GCN 架构，实现近零遗忘并减少约 30 倍原子原型。报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv 机器学习HCPN-GCN：基于圆锥几何扩展分层原型网络用于持续图学习
研究人员提出持续图学习模型 HCPN-GCN，采用图卷积网络（GCN）替代线性特征提取器，并引入圆锥几何原型与多样性正则化目标。在 6 个持续图学习 benchmark 上，该模型在保持接近零遗忘的同时提升了平均分类准确率，且相比原 HPN 减少了约 30x 原子原型，实现了更紧凑有效的类层次记忆表征。
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。