Architecture-driven Shift: towards a lightweight selector for capturing the trends of logit shift

Este artigo propõe um novo seletor leve para identificar tendências de 'logit shift' em Aprendizagem Contínua (CL), um desafio computacionalmente caro na seleção de modelos pré-treinados. A pesquisa aborda a heterogeneidade arquitetônica de redes neurais, desacoplando a dependência da arquitetura e dos dados para estabelecer um novo quadro teórico.