IEEE TPAMI

Practical Continual Forgetting for Pre-trained Vision Models

实用的预训练视觉模型持续遗忘

Hongbo Zhao, Fei Zhu, Bolin Ni, Feng Zhu, Gaofeng Meng, Zhaoxiang Zhang

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Centre for Artificial Intelligence and Robotics, Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences（人工智能与机器人中心，香港科学创新研究院，中国科学院） ； SenseTime Research（商汤科技研究院） 纠错

AI总结 该研究提出GS-LoRA方法，通过组稀疏正则化和原型信息监督，实现预训练视觉模型的持续遗忘，有效删除特定类别信息同时最小化对其他类别的影响。

Comments Accepted by TPAMI. arXiv admin note: substantial text overlap with arXiv:2403.11530

Lifelong Learning of Large Language Model based Agents: A Roadmap

基于大语言模型代理的终身学习：路线图

Junhao Zheng, Chengming Shi, Xidi Cai, Qiuke Li, Duzhen Zhang, Chenxing Li, Dong Yu, Qianli Ma

AI总结 本文提出了一种基于大语言模型代理的终身学习框架，通过三个模块整合多模态输入、知识存储与动态环境交互，以实现持续适应和长期性能提升。

Comments Accepted to IEEE TPAMI