arXiv · cs.AI· Wenju Sun, Qingyong Li, Boyang Li, Wen Wang, Siyu Zhang, Yi Wei, Yangliao Geng·· 6 小时前
Co2In：基于知识编码、巩固与整合的双层记忆增量学习框架
Co2In: a Bi-level Memory Incremental Learning Framework with Knowledge Encoding, Consolidation, and Integration
arXiv:2610.21804v1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：Wenju Sun, Qingyong Li, Boyang Li, Wen Wang, Siyu Zhang, Yi Wei, Yangliao Geng
研究任务与主要进展
作者提出Co2In双层记忆增量学习框架，通过工作记忆学习新知识，并将其巩固为紧凑表示后整合进长期记忆，以兼顾可塑性与稳定性。基于论文摘要，Co2In在CIFAR-10、CIFAR-100和Tiny-ImageNet的无样本类别增量学习与任务增量学习设置中取得作者所称的当前最优性能和较低内存消耗；具体基线与实验细节未说明。
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