蛋白质编码器冻结下的CIL诊断基准提出

一项诊断性基准测试显示，在蛋白质编码器全程冻结的条件下，九种代表性类增量学习（CIL）方法都无法在不同编码器间稳定迁移，且失败在替代阶段构造下依然存在。 该基准覆盖五种序列、结构及序列-结构蛋白质编码器和两个不同规模的酶功能数据集，评测设置在各表征间保持一致。诊断分析将迁移失败归因于基于梯度的稳定性信号偏弱、嵌入几何的显著异质性，以及协方差假设的合适容量随数据集规模和编码器变化。研究者据此提出，表征本身应被视为持续学习设计的核心组件。

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。