DLER双对数经验回放方法发布

2026年11月4日，Huiwei Lin等人在arXiv发布论文，针对在线持续学习中因历史数据回放导致的预测偏差问题，提出双Logit经验回放（DLER）方法。 该方法将点积Logit分解为角度因子与范数因子，利用余弦Logit训练当前样本，并通过额外的点积Logit回放历史样本。同时引入辅助监督对比目标，以增强类内角度的紧凑性，实现模型优化与内存管理的结合。 实验显示，在三个数据集上，DLER有效提升了在线持续学习性能，尤其是在有限内存预算下表现显著，缓解了灾难性遗忘问题。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。