PMF-CL：帕累托最小遗忘持续学习算法

1. 12:00
   arXiv：cs.LG

   PMF-CL：面向冲突任务的帕累托最小遗忘持续学习算法

   研究者提出 PMF-CL 持续学习算法，从多任务学习视角将持续学习重新定义为事后平衡冲突任务，通过寻找帕累托最优解来最小化对旧任务的遗忘。该算法仅需 O(d²) 的静态内存占用（d 为模型参数量），且与任务数 T 无关，在二次损失下可获得精确的事后帕累托最优遗忘保证，在二次上界损失下遗忘可被证明有界。数值实验验证了其收敛到帕累托最优解的理论结论，并持续优于现有方法且占用更少内存。

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。