这项研究探讨了在“连续学习”中面临的挑战，即模型试图在不忘记旧知识的情况下不断学习新知识，特别是在对文本进行分类时。研究介绍了一种新方法称为InfoCL，它使用特殊技术帮助模型更好地记忆和减少错误。

以下是本文的主要内容： - 文本到图像扩散模型在定制连续性概念时面临灾难性遗忘问题，导致过去概念的图像生成质量低下。 - 我们提出的C-LoRA方法通过持续自我正则化的低秩适应性克服了这个问题，在连续扩散方面优...