AAAI 2026 Oral | 给多流数据配「私教+外援」，漂移来了也不慌

悉尼科技大学研究团队提出CAMEL框架，以应对异构多流环境下的异步概念漂移挑战。该方法通过私有专家保障流内专精，借助注意力驱动的辅助专家实现选择性知识融合，并采用“Add & Freeze”与自适应剪枝策略响应分布变化。理论证明其具备良好泛化能力，在包含12个合成流和4个真实数据集的8项基准测试中，CAMEL平均准确率显著超越主流单流与多流方法，展现了在智慧城市、工业物联网等动态场景中的应用潜力。
来源：https://mp.weixin.qq.com/s/FYJr01YQEEVFGh2-waGkgQ