持续学习正在转型
传统持续学习主要通过训练策略、架构设计和权重调整等参数中心化机制，使模型更新并保留知识。新兴方法正在拓展这一范畴：策略内学习扩大了更新机制的范围，测试时训练将学习延伸至推理阶段，而记忆、技能库和交互协议等外部组件，则使模型能力的演化超越静态参数。该研究以“何时、如何、在哪里学习”三大维度，分析持续学习向系统级适应的转变，系统梳理代表性方法，并讨论由此产生的主要挑战、广泛影响和未来研究方向。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。