Buchumschlag

Understanding Catastrophic Interference: On the Identifibility of Latent Representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yuke, Zheng, Yujia, Xiong, Tianyi, Wang, Zhenyi, Huang, Heng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Nonparametric Identification of Latent Concepts
von: Zheng, Yujia, et al.
Veröffentlicht: (2025)

From Generalist to Specialist Representation
von: Zheng, Yujia, et al.
Veröffentlicht: (2026)

Dynamic Feedback Engines: Layer-Wise Control for Self-Regulating Continual Learning
von: Wu, Hengyi, et al.
Veröffentlicht: (2025)

Few-Shot Class Incremental Learning with Attention-Aware Self-Adaptive Prompt
von: Liu, Chenxi, et al.
Veröffentlicht: (2024)

A Unified and General Framework for Continual Learning
von: Wang, Zhenyi, et al.
Veröffentlicht: (2024)

Differences-in-Neighbors for Network Interference in Experiments
von: Peng, Tianyi, et al.
Veröffentlicht: (2025)

A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning
von: Wang, Zhenyi, et al.
Veröffentlicht: (2023)

Mitigating Catastrophic Forgetting with Adaptive Transformer Block Expansion in Federated Fine-Tuning
von: Huo, Yujia, et al.
Veröffentlicht: (2025)

SLRL: Structured Latent Representation Learning for Multi-view Clustering
von: Xiong, Zhangci, et al.
Veröffentlicht: (2024)

Natural Mitigation of Catastrophic Interference: Continual Learning in Power-Law Learning Environments
von: Gandhi, Atith, et al.
Veröffentlicht: (2024)

LLM Interpretability with Identifiable Temporal-Instantaneous Representation
von: Song, Xiangchen, et al.
Veröffentlicht: (2025)

Cross-Modal Few-Shot Learning: a Generative Transfer Learning Framework
von: Yang, Zhengwei, et al.
Veröffentlicht: (2024)

Causal Representation Learning from Multiple Distributions: A General Setting
von: Zhang, Kun, et al.
Veröffentlicht: (2024)

Advancing Generalization in PINNs through Latent-Space Representations
von: Wang, Honghui, et al.
Veröffentlicht: (2024)

Enhancing OOD Detection Using Latent Diffusion
von: Gao, Heng, et al.
Veröffentlicht: (2024)

A General Representation-Based Approach to Multi-Source Domain Adaptation
von: Ng, Ignavier, et al.
Veröffentlicht: (2026)

SNAP: Stopping Catastrophic Forgetting in Hebbian Learning with Sigmoidal Neuronal Adaptive Plasticity
von: Xu, Tianyi, et al.
Veröffentlicht: (2024)

Control-oriented Clustering of Visual Latent Representation
von: Qi, Han, et al.
Veröffentlicht: (2024)

Temporal Latent Variable Structural Causal Model for Causal Discovery under External Interferences
von: Cai, Ruichu, et al.
Veröffentlicht: (2025)

Flow-Based Fragment Identification via Binding Site-Specific Latent Representations
von: Neeser, Rebecca Manuela, et al.
Veröffentlicht: (2025)

Mitigating Catastrophic Forgetting in Large Language Models with Forgetting-aware Pruning
von: Huang, Wei, et al.
Veröffentlicht: (2025)

Understanding Catastrophic Forgetting in Language Models via Implicit Inference
von: Kotha, Suhas, et al.
Veröffentlicht: (2023)

Ada-Diffuser: Latent-Aware Adaptive Diffusion for Decision-Making
von: Feng, Fan, et al.
Veröffentlicht: (2026)

On the Identification of Temporally Causal Representation with Instantaneous Dependence
von: Li, Zijian, et al.
Veröffentlicht: (2024)

Causal Temporal Representation Learning with Nonstationary Sparse Transition
von: Song, Xiangchen, et al.
Veröffentlicht: (2024)

Catch Causal Signals from Edges for Label Imbalance in Graph Classification
von: Zhang, Fengrui, et al.
Veröffentlicht: (2025)

Customized Load Profiles Synthesis for Electricity Customers Based on Conditional Diffusion Models
von: Wang, Zhenyi, et al.
Veröffentlicht: (2023)

Quasiparticle Interference Kernel Extraction with Variational Autoencoders via Latent Alignment
von: Ji, Yingshuai, et al.
Veröffentlicht: (2025)

A Recipe for Causal Graph Regression: Confounding Effects Revisited
von: Yin, Yujia, et al.
Veröffentlicht: (2025)

From Lists to Emojis: How Format Bias Affects Model Alignment
von: Zhang, Xuanchang, et al.
Veröffentlicht: (2024)

Identification of Causal Direction under an Arbitrary Number of Latent Confounders
von: Chen, Wei, et al.
Veröffentlicht: (2025)

Understanding Catastrophic Forgetting In LoRA via Mean-Field Attention Dynamics
von: Koubbi, Hugo, et al.
Veröffentlicht: (2024)

On Catastrophic Forgetting in Low-Rank Decomposition-Based Parameter-Efficient Fine-Tuning
von: Ahmad, Muhammad, et al.
Veröffentlicht: (2026)

Visual Latents Know More Than They Say: Unsilencing Latent Reasoning in MLLMs
von: Zhang, Xin, et al.
Veröffentlicht: (2026)

Latent Manifold Reconstruction and Representation with Topological and Geometrical Regularization
von: Wang, Ren, et al.
Veröffentlicht: (2025)

Context Channel Capacity: An Information-Theoretic Framework for Understanding Catastrophic Forgetting
von: Cheng, Ran
Veröffentlicht: (2026)

Multi-Head Attention as a Source of Catastrophic Forgetting in MoE Transformers
von: Chen, Anrui, et al.
Veröffentlicht: (2026)

SOLARIS: Speculative Offloading of Latent-bAsed Representation for Inference Scaling
von: Liu, Zikun, et al.
Veröffentlicht: (2026)

Predicting the Susceptibility of Examples to Catastrophic Forgetting
von: Hacohen, Guy, et al.
Veröffentlicht: (2024)

Latent Variable Sequence Identification for Cognitive Models with Neural Network Estimators
von: Pan, Ti-Fen, et al.
Veröffentlicht: (2024)