HIDRA：无回放终身模仿学习路由框架
热点事件持续更新
HIDRA：无回放终身模仿学习路由框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Fanqi Yu 等作者提出 HIDRA，一种用于无回放、单遍终身模仿学习的分层双注意力路由框架，将指令级专家检索与上下文相关细化解耦，并引入键级几何正则化，约束任务内对齐与任务间分离，以缓解表示漂移下的路由干扰。作者称，在无回放、单遍的设定下，顺序更新会逐步扭曲表示空间，使基于专家的方法对路由干扰尤为敏感，专家选择随时间退化。 作者在 LIBERO 多个基准套件上评估 HIDRA，包括异构任务序列和改写语言指令等更难变体；结果显示，HIDRA 在 AUC 和前向迁移上优于无回放与回放基线，并保持较低遗忘。该工作为作者预印本，作者称已被 NeurIPS 2026 接收，代码已公开。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
HIDRA：面向无回放终身模仿学习的分层双路由注意力框架报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.ROHIDRA：面向无回放终身模仿学习的分层双路由注意力框架
作者提出 HIDRA，一种用于无回放、单遍终身模仿学习的分层双注意力路由框架，将指令级专家检索与上下文相关细化解耦。该方法引入键级几何正则化，约束任务内对齐与任务间分离，以缓解表示漂移下的路由干扰。在 LIBERO 多个基准套件（含异构任务序列与改写语言指令变体）上，HIDRA 在 AUC 和前向迁移上优于无回放与回放基线，并保持较低遗忘，代码已公开。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月28日 12:00
- 近 24 小时变化
- –
02.557.510
12:0013:0014:0015:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。