Objectif
Massive data poses a fundamental challenge to machine learning (ML) since algorithm running times scale
with data size. As data grows faster than computational power, future problems can take longer to solve
without economizing training via continual learning (CL). However, CL can result in performance drops in
prior tasks, known as catastrophic forgetting (CF), a persistent issue in ML, including fine-tuning foundation
models (FMs), blocking their full potential.
Contrary to the dogma that increasing more resources are critical for future FMs, our recent research
shows that computational investments can be recovered near-optimally without CF, hinting at a sustainable,
future-proof ML paradigm. Our observation calls for new formulations in robust representation learning
that prevent catastrophic overfitting (CO) and new game-theoretic algorithms that avoid limit cycles (LC).
However, understanding the trade-offs between data and computation in CL is at its infancy, especially for
non-linear models. Existing methods are case-specific and do not rigorously offer sustainability, robustness, or
trustworthiness.
The proposed ERC project ARC addresses these challenges by establishing mathematical foundations to
manage continuous data growth without CF or CO or LC and to optimize dynamic representations with
new robust and reinforcement learning formulations. We build new adaptive algorithms as well as decision
verification techniques that optimally handle increasing data sizes as well as dynamic models while matching
theoretical runtime bounds. We demonstrate our rigorous theory and robust learning frameworks in real-world
scenarios, such as neuro-rehabilitation and circuit design, to validate methods and explore trade-offs across
domains.
Our approach views learning problems as dynamic and interactive, potentially revolutionizing ML by creating
holistic, sustainable systems with optimal performance across diverse applications under limited resources.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences naturelles informatique et science de l'information intelligence artificielle apprentissage automatique apprentissage par renforcement
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
HORIZON-ERC - HORIZON ERC Grants
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2025-ADG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
1015 Lausanne
Suisse
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.