Buchumschlag

Is Prompt Selection Necessary for Task-Free Online Continual Learning?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Park, Seoyoung, Lee, Haemin, Lee, Hankook
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TimePerceiver: An Encoder-Decoder Framework for Generalized Time-Series Forecasting
von: Lee, Jaebin, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated Low-Rank Update Algorithm and its Connection to Implicit Regularization
von: Park, Haemin, et al.
Veröffentlicht: (2024)

Learning Equi-angular Representations for Online Continual Learning
von: Seo, Minhyuk, et al.
Veröffentlicht: (2024)

Automatic Piecewise Linear Regression for Predicting Student Learning Satisfaction
von: Choi, Haemin, et al.
Veröffentlicht: (2025)

Training-free Detection of AI-generated images via Cropping Robustness
von: Choi, Sungik, et al.
Veröffentlicht: (2025)

From Offline to Online Memory-Free and Task-Free Continual Learning via Fine-Grained Hypergradients
von: Michel, Nicolas, et al.
Veröffentlicht: (2025)

Active Learning for Continual Learning: Keeping the Past Alive in the Present
von: Park, Jaehyun, et al.
Veröffentlicht: (2025)

Adaptive Replay Buffer for Offline-to-Online Reinforcement Learning
von: Song, Chihyeon, et al.
Veröffentlicht: (2025)

SubDyve: Subgraph-Driven Dynamic Propagation for Virtual Screening Enhancement Controlling False Positive
von: Yi, Jungseob, et al.
Veröffentlicht: (2025)

Continual Reinforcement Learning by Planning with Online World Models
von: Liu, Zichen, et al.
Veröffentlicht: (2025)

Incremental Learning of Retrievable Skills For Efficient Continual Task Adaptation
von: Lee, Daehee, et al.
Veröffentlicht: (2024)

PROL : Rehearsal Free Continual Learning in Streaming Data via Prompt Online Learning
von: Ma'sum, M. Anwar, et al.
Veröffentlicht: (2025)

GRID: Scalable Task-Agnostic Prompt-Based Continual Learning for Language Models
von: Tiwari, Anushka, et al.
Veröffentlicht: (2025)

Co-LoRA: Collaborative Model Personalization on Heterogeneous Multi-Modal Clients
von: Seo, Minhyuk, et al.
Veröffentlicht: (2025)

SVD-AE: Simple Autoencoders for Collaborative Filtering
von: Hong, Seoyoung, et al.
Veröffentlicht: (2024)

ReTabAD: A Benchmark for Restoring Semantic Context in Tabular Anomaly Detection
von: Yoon, Sanghyu, et al.
Veröffentlicht: (2025)

Are Graph Transformers Necessary? Efficient Long-Range Message Passing with Fractal Nodes in MPNNs
von: Choi, Jeongwhan, et al.
Veröffentlicht: (2025)

Task Addition in Multi-Task Learning by Geometrical Alignment
von: Yim, Soorin, et al.
Veröffentlicht: (2024)

Soft Contrastive Learning for Time Series
von: Lee, Seunghan, et al.
Veröffentlicht: (2023)

Learning to Embed Time Series Patches Independently
von: Lee, Seunghan, et al.
Veröffentlicht: (2023)

Learning the Model While Learning Q: Finite-Time Sample Complexity of Online SyncMBQ
von: Lim, Han-Dong, et al.
Veröffentlicht: (2024)

Model-based Offline Reinforcement Learning with Lower Expectile Q-Learning
von: Park, Kwanyoung, et al.
Veröffentlicht: (2024)

When Will It Fail?: Anomaly to Prompt for Forecasting Future Anomalies in Time Series
von: Park, Min-Yeong, et al.
Veröffentlicht: (2025)

Is Optimal Transport Necessary for Inverse Reinforcement Learning?
von: Dong, Zixuan, et al.
Veröffentlicht: (2025)

Are Human-generated Demonstrations Necessary for In-context Learning?
von: Li, Rui, et al.
Veröffentlicht: (2023)

Prompt-Driven Continual Graph Learning
von: Wang, Qi, et al.
Veröffentlicht: (2025)

PromptWise: Online Learning for Cost-Aware Prompt Assignment in Generative Models
von: Hu, Xiaoyan, et al.
Veröffentlicht: (2025)

Set-based Meta-Interpolation for Few-Task Meta-Learning
von: Lee, Seanie, et al.
Veröffentlicht: (2022)

Pretraining a Shared Q-Network for Data-Efficient Offline Reinforcement Learning
von: Park, Jongchan, et al.
Veröffentlicht: (2025)

Learning to Continually Learn with the Bayesian Principle
von: Lee, Soochan, et al.
Veröffentlicht: (2024)

Recasting Continual Learning as Sequence Modeling
von: Lee, Soochan, et al.
Veröffentlicht: (2023)

Task-Aware Adaptive Modulation: A Replay-Free and Resource-Efficient Approach For Continual Graph Learning
von: Liu, Jingtao, et al.
Veröffentlicht: (2025)

HGMP:Heterogeneous Graph Multi-Task Prompt Learning
von: Jiao, Pengfei, et al.
Veröffentlicht: (2025)

TFGN: Task-Free, Replay-Free Continual Pre-Training Without Catastrophic Forgetting at LLM Scale
von: Ganguli, Anurup
Veröffentlicht: (2026)

Isotuning With Applications To Scale-Free Online Learning
von: Orseau, Laurent, et al.
Veröffentlicht: (2021)

Observation-Free Attacks on Online Learning to Rank
von: Chattopadhyay, Sameep, et al.
Veröffentlicht: (2025)

DAMEL: Dual-Axis Multi-Expert Learning for Class-Imbalanced Learning
von: Lee, Hyuck, et al.
Veröffentlicht: (2026)

Causally Sufficient and Necessary Feature Expansion for Class-Incremental Learning
von: Zhang, Zhen, et al.
Veröffentlicht: (2026)

Holdout-Loss-Based Data Selection for LLM Finetuning via In-Context Learning
von: Zhang, Ling, et al.
Veröffentlicht: (2025)

Axial Neural Networks for Dimension-Free Foundation Models
von: Kim, Hyunsu, et al.
Veröffentlicht: (2025)