受皮层启发的持续学习：功能任务网络的无监督实例化与恢复

本文提出功能任务网络（FTN），一种受哺乳动物新皮层结构启发的参数隔离方法，旨在解决块序列持续学习中灾难性遗忘与无标签任务推断难题。该方法利用高维自组织二进制掩码，通过三阶段过程动态识别并隔离任务相关神经元子网，确保梯度更新互不干扰。实验表明，FTN 在多种基准测试中实现了近乎零遗忘，并能单步恢复既往任务子网，显著降低了无监督任务分割的计算复杂度。