摘要
智能系统需具备在动态环境中持续学习的能力，但常受困于灾难性遗忘。利用预训练模型虽能加速适应，但现有方法在多任务场景下易导致分类器与骨干网络失配。本文提出局部分类器对齐（LCA）损失函数，理论证明其能提升多任务泛化性与鲁棒性。结合模型合并策略，构建了完整的持续学习解决方案。实验表明，该方法在多个基准测试中表现优异，显著超越当前最先进水平。
AI 推荐理由
论文聚焦持续学习中的灾难性遗忘问题，提出自适应对齐机制，属于 Agent 自我进化与持续学习核心范畴。
研究机构
福冈大学，日本
越南河内科学技术大学
论文信息