拓撲持續學習

深度分析

MasFACT：結構記憶與 FGW 對齊的持續多代理拓撲學習方法

MasFACT 提出一套幾何感知的後驗證轉移機制，專為大型語言模型驅動的多代理系統（MAS）在持續任務流中防止拓撲遺忘而設計。透過融合 Gromov‑Wasserstein 最適傳輸將歷史高效合作結構作為可轉移的拓撲先驗，並以 PAC‑Bayes 引導的保守後驗調整平衡新任務的可塑性與結構的穩定性。