HEDP：基于混合能量-距离提示的领域增量学习框架
人工智能
2026-05-08 v1
摘要
领域增量学习是一种需要模型在不重新训练的情况下持续适应新数据域的关键场景。然而，领域迁移常常导致严重的性能下降。为此，我们提出了混合能量-距离提示（Hybrid Energy-Distance Prompt，简称HEDP），这是一种受热力学自由能启发的领域增量框架。HEDP引入能量正则化损失以增强领域表示的可分离性，并采用混合能量-距离加权机制，将能量基于和距离基于的线索融合，以改进领域选择和泛化能力。在多个基准测试（包括CORe50）上的实验表明，HEDP在未见领域上实现卓越的性能，准确率提升2.57%，有效缓解了灾难性遗忘，增强了面向开放世界的适应性。我们的代码\href{https://github.com/dannis97500/HEDP/}{available here}。
引用
@article{arxiv.2605.05776,
title = {HEDP: A Hybrid Energy-Distance Prompt-based Framework for Domain Incremental Learning},
author = {Yu Feng and Zhen Tian and Haoran Luo and Xie Yu and Diancheng Cheng and Haoyue Zheng and Shuai Lyu and Ping Zong and Lianyuan Li and Xin Ge and Yifan Zhu},
journal= {arXiv preprint arXiv:2605.05776},
year = {2026}
}
备注
13 pages, 6 figures, Accepted by ICML 2026