MAEM：无回放容量可控动态混合专家框架

Junlin Chen 等作者在 arXiv 预印本论文中提出 MAEM——一个无回放、容量可控的动态专家混合框架，用于类增量图学习，目标是缓解该类学习中的近因偏差。 该框架用 SGC 构建表示，为每个新会话训练独立专家后冻结，并让各专家以 MAE 重构误差最低者完成无任务 ID 路由。当专家池达到固定容量后，MAEM 通过 Git Re-Basin 对齐合并最少使用的专家，再用 MAE 分布合成的拓扑感知伪数据将其蒸馏为融合专家。以上为论文自述的方法设计，尚未见其效果经独立验证的报道。

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。