官方服务：
资源简介：
Test set accuracies for memory replay models
应用场景：
创建时间：
2021-05-12
相关数据集
M2I和I2M
M2I和I2M是由AGH科技大学等机构创建的持续学习基准数据集，包含从MNIST到TinyImageNet（M2I）和反向（I2M）的六个不同图像分类数据集。这些数据集涵盖了从简单到复杂的任务，旨在评估持续学习模型在动态环境中的鲁棒性。数据集通过GitHub公开，支持研究社区进行严格的可重复性评估，特别强调模型在不断学习新任务的同时避免遗忘旧知识的能力。
arXiv2023-03-17 更新440
Continuous Learning in Working Life in Finland
Skill shortages in the Finnish labour market are increasingly apparent and there are growing concerns about the supply of higher-level skills, given demographic change and stagnating educational attai
Organisation for Economic Co-operation and Development180
Benchmark and framework for continual AI-generated image detection
Objective In response to the risks of highly realistic image misuse arising from the rapid development of Artificial Intelligence Generated Content (AIGC) technology, and the challenges of existing de
DataCite Commons2025-10-14 更新70
Continual-Learning-Dataset
该仓库包含四个专为持续学习任务设计的数据集：exAAPD（来自arXiv的计算机科学领域结构化长文档数据集，含49326个文档和54个学科类别）、exLitCovid（来自LitCovid的冠状病毒研究文献数据集，含14831篇文章和8个研究主题）、exMeSH（扩展的医学论文数据集，含15966篇论文和11种顶级疾病类别）和exPFD（扩展的多领域文档数据集，含30236个样本和7个领域类别）。
github2025-11-24 更新240
continual-learning-of-covid19
CoroTrans-CL: A Novel Transformer-Based Continual Deep Learning Model for Image
kaggle2023-02-07 更新120
