摘要
视频大语言模型（Video-LLMs）需通过持续学习适应非平稳现实数据。现有基准多依赖未预训练模型或任务冗余高，难以评估遗忘问题。本文提出 CL-VISTA 基准，涵盖感知、理解与推理等八项多样任务，引发显著分布偏移以暴露灾难性遗忘。建立包含性能、计算效率及内存占用的三维评估框架。实验表明，现有方法在缓解遗忘与保持泛化能力及资源效率间存在根本权衡，无单一方案具普遍优势。
AI 推荐理由
论文聚焦持续学习以应对数据分布变化，属 Agent 自我适应与进化核心范畴。
研究机构
中国科学院大学先进技术交叉科学学院
中国科学院自动化研究所
香港科技大学-广州校区人工智能与机器人中心
厦门大学计算机科学与技术学院
论文信息