【论文阅读】Three scenarios for continual learning

题目：2019_Three scenarios for continual learning

1. 论文的总体介绍

论文链接：https://arxiv.org/abs/1904.07734

代码链接：https://github.com/GMvandeVen/continual-learning

论文的动机：针对当前 CL(continual learning) 领域，因为不同的人提出了不同的解决方案，这些方法都不是在同一个benchmark 下进行比较的，无法公平地比较各种方法的优劣，所以作者提出了一种新的 benchmark 用于评估 CL 方案的性能。

论文的方案：这个 benchmark 包含三种场景，每种场景包含两种任务协议（protocols）。

这三种场景可以组成任意复杂的任务。

这三个场景是通过定义两个判断点（是否提供任务 id 和 是否需要推断任务 id ）来确定的：
１．测试时，如果提供任务id，就定义为场景１．
２．测试时，如果不提供任务id，且不需要推断出任务id，就定义为场景２．　
３．测试时，如果不提供任务id，且需要推断出任务id，就定义为场景３．

两种任务协议（protocols）：
１. split task protocols。
２. permuted task protocols。

论文的贡献：

1. 提出了一个 benchmark 。
2. 在这个 benchmark 下，对比了几个 CL 方案。

论文的结论：在场景３中, 基于正则化方法（regularization-based approaches）的效果不好，基于数据经验重放方法（replay-based approaches）的效果较好。