C³L 新方法：用语义概念锚定打破持续学习中的解释漂移循环

特拉维夫大学团队提出 C³L 方法，将正则锚定到离线发现的语义概念上，以打破持续学习中的解释漂移循环。该团队指出，解释漂移指模型准确率保持时注意力从诊断性特征滑向伪相关特征；现有像素级显著性正则从模型自身冻结的 saliency 图取监督目标，会形成自指漂移循环并强化伪注意力。C³L 通过“相关性挤占效应”抑制伪相关。