Tech Meridian ← К СУЩНОСТЯМ
EN

ТЕМА · ENTITY #1893

continual learning

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

2

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Статья на arXiv предлагает иерархическую архитектуру «уровни, тики, каскадный интеллект» для долгосрочных агентов

Предварительная версия на arXiv (arXiv:2609.19519v1) утверждает, что для задач с долгим горизонтом языковым агентам нужен сохраняющийся «каркас», а не лишь изменение весов модели, и предлагает трёхчастную иерархическую архитектуру — уровни по временным шкалам с ограниченными сводками, такты как единицы автономного действия и каскадный интеллект, эскалирующий работу к более мощным моделям после проверки. Авторы описывают десятедневную кампанию, в которой агент по этой схеме воспроизвёл опубликованный результат в обучении с подкреплением при участии человека раз в день, сохранил нить работы через сбросы контекста и продемонстрировал изменение поведения за счёт сохранённого знания без изменения весов модели.

7.0

RESEARCH · 1 ИСТОЧН. · Google Research

Google Research: инстанс-условные временные шкалы затухания для перевзвешивания тренировочных данных при дрейфе концепций

Google Research предлагает вспомогательную модель перевзвешивания, которая присваивает важность каждому обучающему примеру по его содержанию и возрасту, комбинируя несколько фиксированных временных шкал затухания и обучая назначение совместно с основной моделью. Метод объединяет преимущества офлайн- и непрерывного обучения и демонстрирует до ~15% относительного прироста точности на крупном бенчмарке с нестабильными данными (~39 млн изображений за 10 лет) и улучшения на других наборах для обучения при дрейфе данных.

7.0