DalšíDalší průvodce
Neustálé učení a katastrofické zapomínání
Základy
Jazyk AI GUIDE
Catastrophic forgetting occurs when training on new tasks degrades performance on previously learned tasks.
Poslechněte si tento návodAI-vyprávěný · ~2 min
Continual-learning methods attempt to balance adaptation and retention.
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.
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.
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.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Catastrophic forgetting occurs when training on new tasks degrades performance on previously learned tasks. Continual-learning methods attempt to balance adaptation and retention.
Katastrofální zapomenutí je náhlá ztráta starých schopností, když je síť trénována na nový úkol, protože sdílené váhy se přepíší.
Znalosti žijí ve sdílených parametrech, takže trénink na nových datech posouvá stejné váhy a vymaže dřívější učení.
EWC přidává pokutu za regularizaci, která zpomaluje aktualizace parametrů považovaných za důležité pro staré úlohy, odhadované pomocí informací Fisher.
Zkouška se mísí s minulými příklady (uloženými nebo generovanými), zatímco se učí nové úkoly, takže je posílena stará výkonnost.
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.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Neustálé učení a katastrofické zapomínání
Základy