Energie-strukturierte Low-Rank-Adaption für kontinuierliches Lernen

arXiv:2605.27482v1 Ankündigungstyp: neu Abstract: Während orthogonale Unterraum-Methoden versuchen, Aufgabeninterferenz in Continual Learning (CL) zu mindern, leiden sie oft unter Energiediffusion über die Basis hinweg, was Wissensverdichtung behindert und Kapazität für zukünftige Aufgaben erschöpft. Wir beobachten, dass Ausgabe-Merkmale