基于提示微调的类增量学习研究.pdf

摘要

增量学习旨在使模型能够在不断学习新任务时,保持对旧任务的良好性能,

缓解机器学习过程中的灾难性遗忘。然而,现有的研究多聚焦于类别已知场景下

的分类任务,导致模型在对动态引入的开放词汇无法有效识别的同时,对多标记

任务产生知识遗忘。此外,随着任务的增加,原有的类别特征被稀释,生成的错

误伪标签也在不断积累,最终导致模型的分类性能降低。为解决上述问题,本文

通过文本提示图卷积网络建立标签关系,结合大模型输出在增强新类分类性能的

同时保留旧类知识。在此基础上,融入视觉提示和注意力机制来优化特征表示

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档