आगेअगली गाइड
निरंतर सीखना और विनाशकारी विस्मृति
बुनियादी बातें
भाषा एआई गाइड
विनाशकारी विस्मृति
Catastrophic forgetting occurs when training on new tasks degrades performance on previously learned tasks.
इस गाइड को सुनेंएआई-नैरेटेड · ~2 min
इस पृष्ठ पर2 मिनट लाल
सिंहावलोकन
Continual-learning methods attempt to balance adaptation and retention.
गहरा गोता
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.
वास्तविक विश्व कार्यान्वयन
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.
विनाशकारी विस्मृति का भविष्य
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.
इसे व्यवहार में लाना
यह क्यों मायने रखता है?
- गति और पैमाना. भाषा वर्कफ़्लो निरंतरता से समझौता किए बिना तेज़ी से आगे बढ़ सकता है।
- पहुंच और पहुंच. यह सभी भाषाओं और संचार शैलियों तक पहुंच का विस्तार करता है।
- स्पष्ट निर्णय. टीमें निर्णय लेने में अधिक समय व्यतीत कर सकती हैं जबकि स्वचालन पुनरावृत्ति को संभालता है।
का ध्यान रखें
- मतिभ्रम वाले तथ्य चुपचाप रिपोर्ट में प्रवेश कर सकते हैं, प्रवाह का समर्थन कर सकते हैं, या अनुसंधान आउटपुट का समर्थन कर सकते हैं।
- त्वरित संवेदनशीलता समान अनुरोधों में असंगत परिणाम पैदा कर सकती है।
- यदि पहुंच नियंत्रण कमजोर हैं तो संवेदनशील पाठ डेटा उजागर हो सकता है।
अगले चरण
- रोलआउट से पहले आउटपुट स्वरूप, टोन और गुणवत्ता मानकों को परिभाषित करें।
- जब भी सटीकता मायने रखती है तो विश्वसनीय स्रोतों के साथ जमीनी प्रतिक्रियाएँ।
- उच्च जोखिम वाले आउटपुट के लिए एक मानव समीक्षा चेकपॉइंट रखें।
- विफलता पैटर्न को ट्रैक करें और संकेतों या वर्कफ़्लो को नियमित रूप से पुनः प्रशिक्षित करें।
अन्वेषण करते रहें
मुफ़्त न्यूज़लेटर
दैनिक एआई ब्रीफिंग प्राप्त करें
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
Take the Catastrophic Forgetting quiz
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
अक्सर पूछे जाने वाले प्रश्नों
What is Catastrophic Forgetting?
Catastrophic forgetting occurs when training on new tasks degrades performance on previously learned tasks. Continual-learning methods attempt to balance adaptation and retention.
Which situation describes catastrophic forgetting in a neural network?
जब किसी नेटवर्क को किसी नए कार्य के लिए प्रशिक्षित किया जाता है, तो विनाशकारी भूल पुरानी क्षमताओं का अचानक नष्ट हो जाना है, क्योंकि साझा भार अधिलेखित हो जाता है।
तंत्रिका नेटवर्क में भयावह विस्मृति क्यों होती है?
ज्ञान साझा मापदंडों में रहता है, इसलिए नए डेटा पर प्रशिक्षण उन्हीं भारों को बदल देता है और पहले की सीख को मिटा देता है।
भूलने की समस्या को कम करने के लिए इलास्टिक वेट कंसॉलिडेशन (ईडब्ल्यूसी) क्या करता है?
ईडब्ल्यूसी एक नियमितीकरण जुर्माना जोड़ता है जो पुराने कार्यों के लिए महत्वपूर्ण समझे जाने वाले मापदंडों के अपडेट को धीमा कर देता है, जैसा कि फिशर जानकारी के माध्यम से अनुमान लगाया गया है।
अनुभव पुनरावृत्ति (रिहर्सल) भूलने से कैसे लड़ता है?
नए कार्यों को सीखते समय रिहर्सल पिछले उदाहरणों (संग्रहीत या उत्पन्न) में मिश्रित होता है ताकि पुराना प्रदर्शन मजबूत हो।
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.
सीखते रहो
संबंधित मार्गदर्शिकाएँ
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं