arXiv · cs.AI· Seungyoon Woo, Keonhee Park, Gunhee Kim·· 6 小时前
COMET：解耦蒸馏、路由与容量控制的任务无关持续视觉语言学习
COMET: Decoupled Distillation, Routing, and Capacity Control for Task-Agnostic Continual Vision--Language Learning
arXiv:2610.22907v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Seungyoon Woo, Keonhee Park, Gunhee Kim
研究任务与主要进展
Seungyoon Woo、Keonhee Park和Gunhee Kim提出COMET，用于任务身份未知、历史数据不可用且骨干冻结的任务无关持续视觉语言学习。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org