直播预告|ICLR 2022：基于退化缓解兼容训练的热刷新模型升级在图片检索中的应用

「AI Drive」是由 biendata 和 PaperWeekly 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到清华大学计算机科学与技术专业在读硕士生-张斌杰，为大家在线解读其发表在 ICLR 2022的最新研究成果：基于退化缓解兼容训练的热刷新模型升级在图片检索中的应用。对本期主题感兴趣的小伙伴，4月 21日（周四）晚 7 点，我们准时相约 AI_Drive  B 站直播间。

一、直播信息

1、演讲摘要：

对检索系统中部署的模型进行更新迭代是提升检索精度、改善用户体验的必经之路。在传统的检索模型升级过程中，需要先用新模型离线刷新底库中的所有特征（称之为特征“回填”），再将新模型部署上线，这一过程被称之冷刷新模型升级。大规模检索系统往往存在海量的底库图像，将其全部离线刷新一遍可能花费数周乃至数月，冷刷新模型升级存在模型迭代的时间成本高、用户体验不能得到即时改善等几大弊端。为此，作者首次提出热刷新模型升级方案，借助兼容学习使得新模型可以直接部署上线，同时利用新模型在线刷新底库特征，实现检索精度的逐步爬升。尽管现有的兼容训练算法使得热刷新模型升级成为了可能，但他们均面临