持续学习应适应噪声数据而非过度清洗
Shahules786 · x · 2026-08-24
Shahules 指出，目前持续学习的主流方法是让数据适应算法(过滤、合成、蒸馏)，但更具野心的路径是设计能从噪声、非平稳经验中连续学习的算法。他认为我们可能在为 SGD 清洗世界上投入了过多精力，并推荐阅读 Richard Sutton 的 Incremental Delta-Bar-Delta。
「漫话AGI」频道最新
- Sovereign AI 驱动无头系统：租用手臂，拥有大脑 — arieljalali · 2026-08-24
- dbasch：AI擅长规模化复用人类工具，尚不擅长原创 — dbasch · 2026-08-24
- Dr. Dre 谈 AI：认为只有不会创作的人才视其为威胁 — DavidmComfort · 2026-08-24
- 卫报评论:连广岛级AI灾难都未必能唤醒人类自保 — cccalum · 2026-08-24
- AI 辅助思考悖论：依赖对话只会增加困惑 — JacquesThibs · 2026-08-24
- 预测今年内实现 AGI 与 ASI，含自动驾驶与人形机器人 — davidpattersonx · 2026-08-24