持续学习的综述: 理论、方法与应用（三：泛化分析）

前文连接：持续学习的综述: 理论、方法与应用（一）

前文连接：持续学习的综述: 理论、方法与应用（二：理论基础）

泛化分析

目前持续学习的理论研究主要是在增量任务的训练集上进行的，假设它们的测试集遵循相似的分布，候选解具有相似的泛化性。然而，由于学习多个任务的目标通常是高度非凸的，因此存在许多局部最优解，它们在每个训练集上的表现相似，但在测试集上的泛化性却有显著不同[313]，[443]。对于持续学习，理想的解决方案不仅需要从训练集到测试集的任务内泛化性，还需要任务间泛化性，以适应其分布的增量变化。