본 연구는 분류, 탐지, 보고서 생성 등 다양한 임상 목표에 걸쳐 의료 시각 질문 응답을 위한 지속적 학습의 체계적인 평가를 제시합니다.

  • 기존 방법이 파괴적 망각을 완화하는 능력을 탐구합니다.
  • 작업 순서에 대한 민감도와 시퀀스가 성능 유지에 미치는 영향을 분석합니다.
  • 가중치 드리프트 패턴을 드러내기 위해 저랭크 적응 파라미터의 진화를 검토합니다.

연구 결과는 서로 다른 목표와 감독 형식을 가진 작업이 교차될 때 현재 지속적 학습 방법이 안정성과 가소성 간의 균형을 유지하는 데 어려움을 겪는다는 것을 시사합니다.