摘要
灾难性遗忘是持续学习的主要挑战，且现有不确定性感知方法存在计算开销大等问题。本文提出幂等经验回放（IDER），利用函数重复应用输出不变的特性，通过调整训练损失使模型对当前数据流具有幂等性，并引入幂等蒸馏损失最小化新旧模型输出差异。实验表明，IDER 能有效提升预测可靠性、准确率并减少遗忘，为构建高效可信的持续学习系统提供了新基准。
AI 推荐理由
论文核心解决持续学习中的灾难性遗忘，属于 Agent 自我进化与自适应的关键机制。
研究机构
上海交通大学计算机科学学院
上海创新研究院
莱斯大学
国家新一代人工智能重点实验室, BIGAI
论文信息