Data-Free Meta-Learning

深度分析

Task-Distributionally Robust Data-Free Meta-Learning 框架：解決任務分佈偏移與模型污染

無數據元學習旨在利用預訓練模型在缺乏原始數據的情況下學習新任務。然而，該技術面臨任務分佈偏移導致的災難性遺忘，以及不可信模型造成的數據污染風險。本研究提出一套包含合成任務重建、記憶插值與自動模型篩選的魯棒框架，有效提升了模型在複雜環境下的穩定性，為安全且高效的少樣本學習提供了新路徑。