DRIVE 框架论文发表于 NeurIPS 2026

Qing Liu 等团队提出 DRIVE 微调框架，发表于 NeurIPS 2026，旨在解决持续学习中的灾难性遗忘问题。该框架通过统一可微目标，结合 Shapley 加法值、协方差多样性项及先验正则化，实现数据贡献与多样性感知的权重分配。DRIVE 达成端到端梯度平衡，理论上具备更优的稳定性-可塑性保证，并增强了参数估计的鲁棒性。实证结果显示，该框架在整体性能、收敛速度及鲁棒性上表现更优，目前代码已开源，论文共 39 页。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。