论文指出持续学习任务划分假设不清

Kathrin Korte等作者发表的论文指出，持续学习通常把数据集切分为任务并按顺序呈现，但数据相似度、变化速率和呈现顺序等属性究竟指底层数据、任务划分方式还是学习器，往往未被说明。该研究将这些层次分开，并识别各属性在哪一层取得具体值。论文已被NeurIPS 2026持续学习研讨会接收。

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。