یکی از بزرگترین چالشهای مدلهای هوش مصنوعی، یادگیری مفاهیم جدید بدون فراموش کردن آموختههای قبلی (Catastrophic Forgetting) است. در روشهای معمول، برای جلوگیری از این مشکل باید دادههای قدیمی را نگه داشت که هم هزینه ذخیرهسازی دارد و هم چالشهای حریم خصوصی ایجاد میکند.
محققان در پژوهش جدیدی، متد نوآورانهای به نام DREAM معرفی کردهاند. این مدل با استفاده از یک ژنراتورِ «بدون نیاز به آموزش» (Training-free)، دادههای قدیمی را سنتز کرده و با حذف «میانبرهای دامنه» (Domain Shortcuts)، دقت مدل را در یادگیری کلاسهای جدید به شکل چشمگیری افزایش میدهد. این یعنی یک گام بزرگ به سمت مدلهای هوشمندتر با حافظه بلندمدت! 🧠✨
🔗 لینک گیتهاب پروژه: https://github.com/Light-ZhangTao/DREAM
منبع: arXiv Computer Vision