পরবর্তী আপপরবর্তী গাইড
ক্রমাগত শিক্ষা এবং বিপর্যয়কর ভুলে যাওয়া
মৌলিক
ভাষা এআই গাইড
সর্বনাশা ভুলে যাওয়া
Catastrophic forgetting occurs when training on new tasks degrades performance on previously learned tasks.
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~2 min
এই পৃষ্ঠায়2 মিনিট পঠিত
ওভারভিউ
Continual-learning methods attempt to balance adaptation and retention.
গভীর ডুব
Catastrophic forgetting occurs when learning new tasks degrades earlier capabilities. EWC penalizes changes to parameters important to earlier tasks; GEM constrains gradients using episodic examples under a local first-order approximation; iCaRL stores exemplars and uses class-mean features. LoRA freezes base weights and learns low-rank task updates, which may reduce direct interference but does not guarantee retention. The original RAG paper distinguishes sequence-level and token-level document marginalization. These mechanisms address different issues and require evaluation on old and new tasks.
বাস্তব-বিশ্ব বাস্তবায়ন
Elastic Weight Consolidation penalizes changes to parameters estimated to be important for earlier tasks.
Experience replay mixes stored earlier examples with new-task examples during training.
LoRA keeps task-specific low-rank updates separate from frozen base weights in some adaptation settings.
Retrieval-augmented generation can consult an external index rather than storing every fact only in model parameters.
বিপর্যয়কর ভুলে যাওয়ার ভবিষ্যত
Evaluate old and new task performance after each update and make the retention criterion explicit. Choose methods based on data availability, storage and privacy constraints. Research benchmarks do not establish that any single technique prevents forgetting in all deployment settings.
এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
কেন এটা গুরুত্বপূর্ণ
- গতি এবং স্কেল. ভাষার কর্মপ্রবাহ ধারাবাহিকতাকে ত্যাগ না করে দ্রুত অগ্রসর হতে পারে।
- অ্যাক্সেস এবং পৌঁছানো. এটি ভাষা এবং যোগাযোগ শৈলী জুড়ে অ্যাক্সেস প্রসারিত করে।
- সুস্পষ্ট সিদ্ধান্ত. অটোমেশন পুনরাবৃত্তি পরিচালনা করার সময় দলগুলি বিচারে আরও বেশি সময় ব্যয় করতে পারে।
জন্য সতর্ক
- হ্যালুসিনেটেড ফ্যাক্টগুলি শান্তভাবে রিপোর্ট, সমর্থন প্রবাহ, বা গবেষণা আউটপুট প্রবেশ করতে পারে।
- প্রম্পট সংবেদনশীলতা অনুরূপ অনুরোধ জুড়ে অসামঞ্জস্যপূর্ণ ফলাফল তৈরি করতে পারে।
- অ্যাক্সেস কন্ট্রোল দুর্বল হলে সংবেদনশীল পাঠ্য ডেটা উন্মুক্ত হতে পারে।
পরবর্তী পদক্ষেপ
- রোলআউট করার আগে আউটপুট ফর্ম্যাট, টোন এবং মানের মান নির্ধারণ করুন।
- যখনই নির্ভুলতা গুরুত্বপূর্ণ তখন বিশ্বস্ত উত্সের সাথে গ্রাউন্ড প্রতিক্রিয়া।
- উচ্চ-স্টেকের আউটপুটগুলির জন্য একটি মানব পর্যালোচনা চেকপয়েন্ট রাখুন।
- ব্যর্থতার নিদর্শনগুলি ট্র্যাক করুন এবং প্রম্পট বা ওয়ার্কফ্লোগুলিকে নিয়মিতভাবে পুনরায় প্রশিক্ষণ দিন।
অন্বেষণ চালিয়ে যান
ফ্রি নিউজলেটার
প্রতিদিনের এআই ব্রিফিং পান
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
Take the Catastrophic Forgetting quiz
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
সর্বনাশা ভুলে যাওয়া কি?
Catastrophic forgetting occurs when training on new tasks degrades performance on previously learned tasks. Continual-learning methods attempt to balance adaptation and retention.
কোন পরিস্থিতি একটি নিউরাল নেটওয়ার্কে বিপর্যয়কর ভুলে যাওয়া বর্ণনা করে?
বিপর্যয়মূলক ভুলে যাওয়া হল পুরানো ক্ষমতার আকস্মিক ক্ষতি যখন একটি নেটওয়ার্ককে একটি নতুন কাজের প্রশিক্ষণ দেওয়া হয়, কারণ ভাগ করা ওজনগুলি ওভাররাইট হয়ে যায়।
নিউরাল নেটওয়ার্কে কেন বিপর্যয়কর ভুলে যাওয়া হয়?
জ্ঞান ভাগ করা পরামিতিগুলিতে বাস করে, তাই নতুন ডেটার প্রশিক্ষণ সেই একই ওজনকে পরিবর্তন করে এবং আগের শিক্ষাকে মুছে দেয়।
ইলাস্টিক ওয়েট কনসোলিডেশন (EWC) ভুলে যাওয়া কমাতে কী করে?
EWC একটি নিয়মিতকরণ জরিমানা যোগ করে যা ফিশার তথ্যের মাধ্যমে অনুমান করা পুরানো কাজের জন্য গুরুত্বপূর্ণ হিসাবে বিবেচিত প্যারামিটারগুলির আপডেটগুলিকে ধীর করে দেয়।
কিভাবে অভিজ্ঞতা রিপ্লে (মহড়া) যুদ্ধ ভুলে যাওয়া?
নতুন কাজ শেখার সময় অতীতের উদাহরণে (সংরক্ষিত বা উত্পন্ন) রিহার্সাল মিশ্রিত হয় যাতে পুরানো কর্মক্ষমতা শক্তিশালী হয়।
What does LoRA do to base-model weights when adding a task-specific adapter?
LoRA freezes base weights and trains low-rank updates for a task. This can reduce direct parameter interference but does not guarantee retention across every continual-learning sequence.
শিখতে থাকুন
সম্পর্কিত গাইড
এই বিষয়ের জন্য বাছাই করা আরও গাইড