热点事件持续更新

ESRL框架实现无标签持续测试时学习

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

研究者提出名为 ESRL 的持续测试时学习框架，该创新方法利用进化策略生成无标签学习信号，旨在解决测试时适应中的挑战。在数学、通用知识及医学领域的单任务测试时适应实验中，ESRL 展现出显著性能提升，相比基座模型准确率最高提升 31.7%，较最强基线提升 16.6%。

AI 根据报道生成 · 4 小时前更新

最新进展10月20日 12:00

沿着报道，了解事件的不同侧面。

10月20日

12:00
arXiv · NLP
持续测试时学习：基于进化策略的强化学习框架
研究者提出名为 ESRL 的持续测试时学习框架，通过种群策略生成无标签学习信号。该方法在数学、通用知识和医学领域的单任务测试时适应中，相比基座模型平均准确率提升最高达 31.7%，相比最强基线提升 16.6%。 ESRL 显著减少了灾难性遗忘，并在持续学习场景下实现了最强的最终性能。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。