PAC 学习

计算学习理论中的经典框架，用于刻画在有限样本下学习器以高概率获得近似正确假设的条件。持续 PAC 学习将其扩展到任务分布随时间变化、学习器不断接收新数据的场景，要求模型在适应新任务的同时不遗忘旧能力。