Загружаем паттерны…
Непрерывное обучение(CL)
Обучение на последовательности задач или распределений данных с измерением и снижением потери ранее приобретённых способностей
За 30 секунд
- Что это
- Последовательно обучает модель новым задачам, одновременно измеряя и предотвращая падение качества на прежних задачах с помощью повторения, регуляризации или адаптеров под конкретные задачи.
- Когда применять
- Системам нужно со временем учиться на нескольких задачах или распределениях данных, не забывая прежние навыки и не требуя доступа ко всем историческим данным.
- Осторожно
- Чтобы по-настоящему измерить катастрофическое забывание, нужно на каждом этапе поддерживать полную матрицу оценок по всем задачам, а это дорожает по мере роста числа задач.
Спросите ИИ-эксперта об этом паттерне
Откроет ассистента с готовым вопросом. Вы проверите его перед отправкой.
Непрерывное обучение: Обзор
Обучение на последовательности задач или распределений данных с измерением и снижением потери ранее приобретённых способностей
- Catastrophic forgetting measurement
- Sequential task learning
- Regularization such as EWC
- Rehearsal and replay
- Task-specific adapters
- Forward and backward transfer evaluation
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.
Источники
Статьи, спецификации и репозитории, на которых основан этот паттерн.
- Overcoming catastrophic forgetting in neural networks (2017)arXiv:1612.00796
От инженера, создавшего этот каталог
Проведите ревью архитектуры ваших агентов
На этой странице описан один паттерн. Ваша система использует десятки, и большинство сбоев возникает на стыках. Мы разберём весь дизайн по 288 паттернам каталога: архитектура, надёжность, оценка и стоимость, каждая находка связана с паттерном, который её устраняет.
€750 вместо €1 500, одна неделя, письменный отчёт и разбор в звонке, до 30 сентября