MPCS는 새로운 지식을 습득하는 가소성과 기존 지식을 유지하는 안정성 간의 균형을 맞추는 신경 가소성 아키텍처입니다.
MEP-BENCH 벤치마크에서 MPCS는 31개의 작업에서 성능, 표현 다양성, 기울기 충돌률을 기준으로 파레토 기준을 충족하며 Normalized Efficiency Score 94.2를 달성했습니다.
연구 결과, 푸리에 인코딩이 가장 중요하며, EWC는 성능을 저하시키고, 파레토 지배를 받는 구성 요소를 제거하면 성능을 향상시키면서 컴퓨팅 비용을 절감할 수 있습니다.