یکی از چالشهای بزرگ در «یادگیری مداوم» (Continual Learning)، فراموش کردن آموختههای قبلی هنگام یادگیری وظایف جدید است. حالا محققان چارچوب جدیدی به نام «Mamba-CL» را معرفی کردهاند که با استفاده از مدلهای فضای حالت (SSM) و بهینهسازی پارامترها در «فضای تهی» (Null Space)، این مشکل را حل میکند.
این روش به مدل کمک میکند بدون پاک شدن دانش قدیمی، مهارتهای جدید را یاد بگیرد. آزمایشها نشان میدهد Mamba-CL در بنچمارکهای دستهبندی، عملکردی فراتر از روشهای فعلی دارد. گام بزرگی برای ساخت مدلهای هوشمندتر و پایدارتر! 🚀
منبع: arXiv Computer Vision