continual-learning

Speicherbibliothek zum Erstellen zustandsbehafteter Agenten

🦞 Sprich einfach mit deinem Agenten – er lernt und entwickelt sich weiter 🧬.

Zustandsbehaftete Agenten wie Menschen, mit Gedächtnis, Identität und der Fähigkeit zu lernen und sich anzupassen

Fähigkeiten gemeinsam mit Agentic Evolver weiterentwickeln

Eine Sammlung von Diffusion-Model-Papieren, kategorisiert nach ihren Teilbereichen

Avalanche: Eine End-to-End-Bibliothek für Continual Learning auf Basis von PyTorch

PyTorch-Implementierung verschiedener Methoden für kontinuierliches Lernen (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) in drei verschiedenen Szenarien.

Awesome AI Memory | LLM Memory | Eine kuratierte Wissensbasis über KI-Gedächtnis für LLMs und Agenten, die Langzeitgedächtnis, Reasoning, Retrieval und speicher native Systemgestaltung abdeckt.

PyCIL: Eine Python-Toolbox für Class-Incremental Learning

Awesome Machine Unlearning (Eine Übersicht über Machine Unlearning)

Ein erweiterbares (generelles) Continual-Learning-Framework basierend auf Pytorch – offizielle Codebasis für Dark Experience for General Continual Learning

NMA-Kurs für Deep Learning

Modellzusammenführung in LLMs, MLLMs und darüber hinaus: Methoden, Theorien, Anwendungen und Möglichkeiten. ACM Computing Surveys, 2026.

Das offizielle Repository zu „Position: Agentic Evolution is the Path to Evolving LLMs“.

Liste von Papers zum kontinentale Lernen, kuratiert von ContinualAI

Kuratierte Systeme, Benchmarks und Paper usw. zum Thema Speicher für LLMs/MLLMs – Langzeitkontext, Retrieval und Reasoning.

Ein Repository für Inkrementelles Lernen, Kontinuierliches Lernen und Lebenslanges Lernen

PILOT: Eine Toolbox für vortrainiertes, modellbasiertes kontinuierliches Lernen.

AutoSkill: Erfahrensbasiertes lebenslanges Lernen durch Skill-Selbstevolution

[CSUR 2025] Kontinuierliches Lernen von Large Language Models: Ein umfassender Überblick