研究者提出激活条件选择性知识控制方法

针对 GUI 智能体在多个应用流上持续学习时容易遗忘旧应用的问题，Zirui Shang 等作者提出“激活条件选择性知识控制”方法。该方法用紧凑的历史知识状态保护高激活的 MLP 神经元，并在新应用到来时按前向激活实时执行梯度手术：未激活神经元梯度截断以防干扰，激活神经元梯度正交投影以兼顾稳定与适应。 研究者在多应用序列基准评测中称，该方法能缓解对旧应用的灾难性遗忘，同时保持对新应用的适应能力；这是论文报告的结果，尚未见独立验证。

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。