Khái niệm cốt lõi
事前学習モデルを継続学習に適応させるため、必要に応じて自動的に新しい適応器を追加し、既存の適応器を再利用する手法を提案する。
Tóm tắt
本論文は、事前学習モデルを継続学習に適応させるための新しい手法を提案している。
提案手法の概要は以下の通り:
事前学習モデルに適応器を挿入し、各層の特徴分布の変化を表すレプレゼンテーション記述子を学習する。
レプレゼンテーション記述子が大きな分布シフトを検出した場合、新しい適応器を自動的に追加する。
既存の適応器と新しい適応器の出力を、拡張可能な重み付けルーターで混合する。
これにより、事前学習モデルを柔軟に拡張し、新しいタスクに適応させることができる。実験の結果、提案手法は既存の手法と比べて優れた性能を示した。
Thống kê
新しい適応器を追加する際のしきい値zは以下の式で計算される:
z = (e_recon - μ_recon) / σ_recon