研究团队致谢:结论呼吁持续学习兼顾社会结果
mundt_martin · x · 2026-10-25
同一推文线程的第 4、5 条:作者指出结果呼吁新的持续学习方法在平衡稳定性与可塑性时考虑社会结果,但这说起来容易做起来难——群体间差异因方法与数据集而异,且人口标签本身是敏感信息(团队仅用于测试)。
第 5 条致谢合作者:Kajaree Das 为第一作者(其加入实验室后的首篇论文),合作者包括 Oliver Böse、Subarnaduti Paul、Gabriel Storch,论文与代码链接均已公开。
「研究」频道最新
- MEMI 逆向工程机器人记忆机制,RoboMME 成绩首破 97% — du_yilun · 2026-10-25
- 微软等机构 BMJ 发文定义「医疗超级智能」,称单点超人类不够 — EricTopol · 2026-10-25
- 研究实测:AI 写作越来越难读,但可以训练回来 — lmoroney · 2026-10-25
- LLMail-Inject 发布:20.8 万条真实提示注入攻击数据集 — niloofar_mire · 2026-10-25
- 斯坦福 Paper2Agent 把论文变成 AI 研究助手,登上 Nature — james_y_zou · 2026-10-25
- EMNLP 论文:1480 万提示显示人口群体线索不同,LLM 偏见结论会反转 — lucy3_li · 2026-10-25