热点事件持续更新

DISCERN：无需保留集的增量类遗忘方法

1 篇报道1 个报道来源20 小时前更新

先了解这件事

AI 综述

Nicolás Segura-Kunsagi 提交论文 DISCERN，这是一种基于干预的类别遗忘方法：它用各类别参数分布采样的合成嵌入向量替代对保留集的访问，支持增量类别遗忘（ICU）。论文称，在 ViT-B/16 上连续删除 20 个类别后，DISCERN 保持调和均值 0.797；而在同时删除场景下，最强基线从 0.918 降至 0.048。配对消融显示，逐类别分布选择显著减少已遗忘类别的重新浮现，起到累积遗忘稳定器的作用。

AI 根据报道生成 · 5 小时前更新

最新进展11月5日 20:11

DISCERN：无需保留集的增量机器遗忘分布合成回放方法

报道时间线

沿着报道，了解事件的不同侧面。

11月5日

20:11
arXiv · cs.AI
DISCERN：无需保留集的增量机器遗忘分布合成回放方法
DISCERN 是一种基于干预的类别遗忘方法，用各类别参数分布采样的合成嵌入向量替代对保留集的访问，支持增量类别遗忘（ICU）。在 ViT-B/16 上连续删除 20 个类别后，DISCERN 保持调和均值 0.797，而同时删除场景下最强基线从 0.918 降至 0.048。配对消融显示，逐类别分布选择显著减少已遗忘类别的重新浮现，起到累积遗忘稳定器的作用。

本事件热度走势

可比范围当前: 6
可比范围峰值: 611月6日 12:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。