연구팀은 연속적인 A-B-A 패러다임에서 모듈식 아키텍처, 작업 유사성, 표현 차원성이 함께 작용하여 연속 학습을 어떻게 형성하는지 연구했어요. 가중치 조작을 통해 고차원 및 저차원 환경을 유도하며, 작업 분할 순환 신경망과 단일 네트워크를 비교했어요.
고차원 환경에서는 두 아키텍처 모두 유사한 성능을 보였지만, 저차원 환경에서는 모듈식 네트워크가 유사한 작업에 대한 구배된 작업별 하위 공간을 개발하여 더 구조화된 표현을 제공했어요.
연구 결과, 초기화 스케일로 유도되는 표현 차원성이 연속 학습에서 기능적으로 유익한 모듈식 구조가 언제 필요한지를 결정하는 핵심 요소임을 밝혀냈어요.