待验证50% 置信观点精确时间

局部学习规则加动态原型的组合天然更适合持续学习场景，有助于缓解灾难性遗忘问题

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Auxein：抛弃反向传播的在线无监督学习引擎解析

涉及实体

Auxeinproduct 灾难性遗忘concept

相关事实

待验证由于井字棋训练数据覆盖所有可能状态，模型学习任务退化为记忆任务且不存在分布外问题，行为克隆的复合误差问题自然消解75% 相似待验证上下文图谱为智能体提供了介于临时上下文和模型权重微调之间的中间层记忆机制，可在不改变底层模型的前提下持续积累经验73% 相似待验证自动微分的前向模式适合输入少输出多的场景，反向模式适合输入多输出少的场景，深度学习因参数多而损失为标量属于后者71% 相似已验证根据情境学习理论，知识在其被应用的具体情境中习得时，记忆编码更深入、迁移能力更强71% 相似待验证CLAUDE.md选择外部记忆而非修改模型参数，规避了持续学习中的灾难性遗忘问题71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/911366

API

curl https://kongchang.com/api/v1/knowledge/claims/911366

MCP

get_claim(id=911366)