将任务引入大规模多任务学习系统的动态方法

多任务学习基于这样的假设，即模型能够学习多个任务，并且可以通过知识转移来提高质量和效率。 这是人类学习的一个特点。 最先进的 ML 模型依赖于对每个任务的高度定制，并利用数据和规模规模，而不是扩大任务数量。 此外，包含多任务处理时间成分的持续学习通常侧重于研究常见的陷阱，例如灾难性遗忘，而不是作为构建下一代人工智能的关键组成部分进行研究。 我们提出了一种可以创建大规模多任务模型并支持动态添加新任务的进化方法。

来源和详细信息：
https://arxiv.org/abs/2205.12755