灾难性遗忘

灾难性遗忘是机器学习模型在持续学习新任务时，倾向于覆盖先前所学知识的固有问题。近期多项研究从理论分析和算法设计两个层面对此进行了突破性探索。

主要进展

当前焦点与未来观察点
当前研究焦点集中在：1）遗忘的可恢复性理论是否具有普适性；2）专家模型、蒸馏等工程方法如何在保持效率的同时提升记忆保真度；3）视觉-语言模型等复杂架构中的跨模态遗忘问题。未来观察点包括：理论结果向实际应用的转化、不同方法在大规模模型上的整合，以及动态遗忘程度评估框架的建立。