AdaHAT：用自适应硬注意力缓解持续学习中的容量瓶颈

AdaHAT针对任务增量学习中的灾难性遗忘与网络容量下降问题，扩展Hard Attention to the Task（HAT）。它依据参数对旧任务的重要性及当前网络容量，自适应更新原本被冻结的参数，在长任务序列上平衡稳定性与可塑性。论文称其在多个数据集上较HAT及其他基线取得更好的跨任务平均表现，并公开了代码。