基于 CLIP 的类增量学习：自适应表征调整与参数融合

基于摘要分析。本文研究视觉—语言预训练模型 CLIP 的类增量学习：模型需要持续学习新增类别，同时保留对旧类别的识别能力。作者提出 Adaptive Representation Adjustment and Parameter Fusion（RAPF），通过训练期间的表征调整与训练后的参数融合，缓解下游适配带来的遗忘。 核心机制是区分不同旧类别受到新增类别影响的程度，而非假定遗忘在旧类别间均匀发生。在新数据训练期间，RAPF 利用文本特征衡量新类别对旧类别的影响，并据此调整表征；训练后再采用分解式参数融合，进一步缓解 adapter 模块微调过程中的遗忘。摘要未说明影响度量、表征调整和参数分解融合的具体数学形式。 作者报告，该方法在若干常规基准上达到当前最佳结果；但摘要未列出数据集、类别增量顺序、训练数据可用范围、对照方法或具体指标，因此尚不能核对优势幅度及适用条件。摘要提供了代码地址，但实现与复现条件尚未核验，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：其可迁移机制是按类别差异化处理遗忘，而非将 CLIP 的视觉识别结果直接视为 BCI 证据。若用于 EEG 类增量学习，需要以 EEG 编码器替代视觉输入路径，并检验任务文本描述是否能提供可靠的类别关系；可考察表征调整和参数融合模块，但文本—EEG 对齐方式需要重新设计。低信噪比、跨被试差异及小样本可能使类别影响估计不稳定，文本相似性也未必对应 EEG 可分性。一个可检验的小实验是在固定被试内数据划分和类别新增顺序下，对比普通 adapter 微调、仅表征调整、仅参数融合及两者结合，分别评估旧类保留与新类学习效果。已有 EEG 相关工作尚未检索确认。