Neues Verfahren InTAct reduziert Wissensverlust bei kontinuierlichem Lernen
In der Forschung zum kontinuierlichen Lernen wurde ein neues Verfahren namens InTAct vorgestellt, das das Problem des sogenannten Representation Drift adressiert. Beim kontinuierlichen Lernen soll ein neuronales Netzwerk neue Aufgaben erlernen, ohne bereits erworbenes Wissen zu verlieren. Besonders bei Domain‑Shifts, bei denen sich die Eingabedaten verändern, bleibt die Leistung der meisten Prompt‑basierten Methoden jedoch stark beeinträchtigt.
