视觉 - 语言模型的黑盒持续学习

针对视觉 - 语言模型在动态环境中需持续学习且不忘却的需求，本文提出黑盒持续学习基准 Black-CL，模拟权重不可知、计算受限等现实挑战。现有依赖反向传播的方法在此失效。为此，作者提出 BETA 基线，仅通过优化文本原型实现增量知识获取、嵌入空间锚定及测试时边界细化。实验表明，BETA 以极少量参数在黑盒设定下性能媲美甚至超越白盒方法，为持续学习落地提供新框架。