arXiv · cs.AI · Zirui Li, Yunlong Lin, Haohan Yang, Xiaocong Zhao, Chen Lv · 5 小时前模型评分40
任务顺序如何影响持续学习？面向运动预测的实证研究与顺序感知评测
What Is the Influence of Task Order in Continual Learning? An Empirical Study and Order-Aware Evaluation for Motion Forecasting
导读
一项实证研究用 INTERACTION 数据集的四个道路布局任务、全部 24 种任务顺序、四种算法和三次训练重复共 288 次运行，考察任务顺序对持续学习的影响。任务顺序解释了当前任务误差与后向迁移 65% 至 91% 的波动，其中 90% 至 99% 来自起始任务的身份，最小的任务无法从冷启动学会。作者据此呼吁基准声明其顺序分布，并同时报告按顺序、按起始任务、热启动和最终误差的结果。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：交通与物流
事件类型：研究发布
证据摘录
- “Task order accounts for 65\% to 91\% of the variation in current-task error and backward transfer, and 90\% to 99\% of this order effect comes from the identity of the starting task: the smallest task cannot be learned from a cold start.”
- “The code and data are available \href{ this https URL }{here}.”
来源：arXiv · cs.AI · arxiv.org