본 논문은 지속적 학습 모델의 안정성과 순응성을 평가하는 새로운 방법인 '적은 샘플 평가'를 제안합니다. 기존 0-shot 평가는 모델의 정보 유지 및 빠른 적응 능력을 충분히 측정하지 못한다는 한계가 있습니다. 적은 샘플 평가를 통해 이미지 분류 지속적 학습에서 인기 있는 전략들의 성능에 대한 새로운 통찰력을 얻을 수 있습니다.
새로운 지표인 '샘플당 순응성'을 활용한 적은 샘플 평가를 통해, 미래의 짧은 작업 시퀀스를 메타 학습하여 '선견지혜'를 지속적 학습 방법에 추가하면 학습-학습 행동을 유도할 수 있습니다.
본 연구는 지속적 학습 시스템의 성능을 보다 포괄적으로 평가하기 위한 새로운 관점을 제시하며, 기존 0-shot 평가의 한계를 극복하고 모델의 실제적인 적응 능력을 측정하는 데 기여합니다.