免隐私风险且低算力
无需存储历史数据，通过提示引导的自适应模型参数整合，在连续数据流中有效平衡新旧知识学习，显著减轻灾难性遗忘。
Qiwei, Li · Xu, Kunlun · Peng, Yu-Xin · Zhou, Jiahuan
International Journal of Computer Vision 2024
无需保留历史数据，从根本上规避隐私泄露风险，并大幅降低存储需求。
免去重放训练和全模型微调，通过模型重参数化实现高效更新，节省算力。
利用视觉提示动态估计模型变化并调整权重，更精准地保留旧知识，缓解灾难性遗忘。