रिहर्सल-मुक्त मॉड्यूलर और रचनात्मक निरंतर अध्ययन भाषा मॉडलों के लिए

निरंतर अध्ययन का उद्देश्य नए ज्ञान को क्रमिक रूप से प्राप्त करना है जबकि मौजूदा ज्ञान को भूले बिना। अत्यधिक भूलने को रोकने के लिए, तरीके या तो रिहर्सल-आधारित होते हैं, अर्थात्, डेटा पुनरावलोकन के लिए पिछले कार्यों से डेटा उदाहरणों को संग्रहीत करते हैं, या प्रत्येक कार्य के लिए समर्पित पैरामीटर को अलग करते हैं। हालाँकि, रिहर्सल-आधारित तरीके गोपनीयता और मेमोरी समस्याएँ उठाते हैं, और पैरामीटर-आइसोलेशन निरंतर अध्ययन कार्यों के बीच अंतर्विन्यास को नहीं मानता, इस प्रकार ज्ञान अंतरण को बाधित करता है। इस काम में, हम MoCL, एक रिहर्सल-मुक्त मॉड्यूलर और रचनात्मक निरंतर अध्ययन ढांचा प्रस्तावित करते हैं जो भाषा मॉडलों में लगातार नए मॉड्यूल जोड़ता है और उन्हें मौजूदा मॉड्यूल के साथ जोड़ता है। विभिन्न बेंचमार्क पर प्रयोग दिखाते हैं कि MoCL उच्चतम मानक से बेहतर प्रदर्शन करता है और प्रभावी ढंग से ज्ञान अंतरण की सुविधा देता है।