动态增益神经调控减轻持续训练稳定性缺口

2026年10月20日，arXiv发表一项机器学习研究，针对持续学习中快速适应与强保持之间的错位问题，提出动态增益缩放机制。该机制受去甲肾上腺素能神经调控启发，通过瞬时增加有效更新幅度，平衡模型的可塑性与稳定性。 实验在域增量和类增量MNIST、CIFAR及mini-ImageNet基准上进行，结果显示该方法有效减轻了任务边界处的稳定性缺口，同时保持了具有竞争力的准确率。

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。