본 논문은 지속적 학습에서 치명적 망각(Catastrophic Forgetting, CF)을 평가하는 새로운 방법론을 제시한다. 연구진은 'Conformal Prediction Confidence Factor (CPCF)' 라는 새로운 conformal prediction (CP) 기반 지표를 제안하여 CF를 효과적으로 정량화 및 평가한다. 이 프레임워크는 적응형 CP를 활용하여 이전에 학습된 과제에 대한 모델의 신뢰도를 모니터링함으로써 망각을 추정한다. 이 접근 방식은 새로운 과제가 도입됨에 따라 이전 과제의 CF를 모니터링하고 측정하기 위한 동적이고 실용적인 솔루션을 제공하여 실제 응용에 더 적합하다. 네 개의 벤치마크 데이터셋에 대한 실험 결과는 CPCF와 이전 과제의 정확도 간에 강한 상관관계를 보여주어 제안된 지표의 신뢰성과 해석 가능성을 검증한다. 결과는 CPCF가 동적 학습 환경에서 CF를 평가하고 이해하기 위한 강력하고 효과적인 도구로서의 잠재력을 강조한다.
