CaRE 用双层路由 MoE 把持续学习推到 300+ 任务
jiqizhixin · x · 2026-07-21
## CaRE 用双层路由 MoE，把持续学习扩展到 300+ 任务 香港大学研究者提出 **CaRE**：一种基于 **Bi-Level Routing Mixture-of-Experts** 的持续学习方法。它不是把所有东西都重新训练一遍，而是先选择任务对应的 router，再按需激活专家层，把局部知识和通用知识一起注入每一层网络。 论文结果显示，CaRE 在标准基准上超过所有基线，并且首次把持续学习扩展到 **100–300+ 个非重叠任务** 的超长序列场景，在这一设置下领先幅度很大。
「研究」频道最新
- 多次采样再投票，可能是提升推理的强力无标注方法 — iatitov · 2026-07-21
- 检测器扫描显示，2026 年 1 月 39% 的 arXiv 论文像 AI 写的 — GenerativeFart · 2026-07-21
- CleanAir 用 3D U-Net 代理 CMAQ，一年模拟压到 10 秒 — bravo_abad · 2026-07-21
- GPT-5.6 与 Fable 5 据称一周内拿下三项数学突破 — haider1 · 2026-07-21
- METAFORS 用元学习实现混沌系统少样本预测 — bravo_abad · 2026-07-21
- 文档生成基准撞名 DOCBENCH，作者开始重新命名 — ell-hol1 · 2026-07-21