LDEPrompt：面向基于预训练模型的类递增学习的层级重要性引导双可扩展提示池
计算机视觉与模式识别
2026-04-14 v1
摘要
基于提示的方法类递增学习通常构建由多个可训练 key-prompt 组成的提示池，并执行实例级匹配以选择最合适的提示嵌入，已展现出良好效果。然而，现有方法存在固定提示池、手动选择提示嵌入以及对预训练主干网络的强依赖等局限。为此，我们提出层级重要性引导双可扩展提示池（LDEPrompt），实现提示池的自适应层选择以及动态冻结和扩张。广泛实验表明，LDEPrompt 在常用类递增学习基准上实现了最先进的性能，验证了其有效性和可扩展性。
引用
@article{arxiv.2604.11091,
title = {LDEPrompt: Layer-importance guided Dual Expandable Prompt Pool for Pre-trained Model-based Class-Incremental Learning},
author = {Linjie Li and Zhenyu Wu and Huiyu Xiao and Yang Ji},
journal= {arXiv preprint arXiv:2604.11091},
year = {2026}
}
备注
Accepted to ICASSP2026