Technion - Israel Institute of Technology（以色列理工学院）

From Continual Learning to SGD and Back: Better Rates for Continual Linear Models

从持续学习到SGD及返回：持续线性模型更好的收敛率

Itay Evron, Ran Levinstein, Matan Schliserman, Uri Sherman, Tomer Koren, Daniel Soudry, Nathan Srebro

机构 * Meta ； Technion（技术ion学院） ； Department of Computer Science（计算机科学系） ； Tel Aviv University（特拉维夫大学） ； Blavatnik School of Computer Science and AI（Blavatnik计算机科学与人工智能学院） ； Google Research（谷歌研究） ； Department of Electrical and Computing Engineering（电气与计算工程系） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） 纠错

AI总结 本文提出持续线性模型中更优的收敛率，通过SGD分析遗忘机制，改进了持续回归和分类的遗忘率，并展示了通用方法在不同任务顺序下的收敛性。

Comments Accepted to ALT 2026