RETROFIT은 데이터 민감 환경에서 모델 효과성을 유지하기 위해 고안된 데이터 회귀가 없는 지속적 학습 방법론입니다. 이전 지식을 보존하면서 새로운 지식을 최소한의 간섭으로 통합하는 데 초점을 맞추어, 매개변수 수준 병합, 저랭크 및 희소 업데이트, 지식 중재를 활용합니다. RETROFIT은 악성 코드 탐지 및 바이너리 요약 애플리케이션에서 기존 방법론 대비 향상된 성능을 보였습니다.
시사점, 한계점
•
시사점:
◦
데이터 회귀 없이 지속적 학습을 가능하게 하여 데이터 민감 환경에서의 모델 적응성을 향상시킴.
