Curriculum Learning 课程学习：让AI像人类一样由易到难地学习

一句话解释

Curriculum Learning是一种机器学习训练方法，它模仿人类学习过程，先让模型学习简单样本，再逐步引入更难样本，从而帮助模型更好地收敛并提高最终准确率。

为什么会被关注

传统训练中样本随机打乱，模型可能一开始就遇到复杂样本，导致梯度不稳定或收敛缓慢。课程学习通过控制学习顺序，能显著减少训练时间，提升模型在困难样本上的表现。尤其在数据质量参差不齐、任务分层明显的场景下，效果尤为突出。

核心逻辑

核心思想是基于样本难度排序，构建一个由易到难的训练课程。难度可以由人工定义（如句子长度、图像模糊度）或由模型自动评估。训练初期只使用简单样本，随着模型能力增强，逐步加入更复杂样本，最终覆盖全部数据。这种渐进偏移避免了模型过早陷入局部最优。

常见场景

在机器翻译中，先训练短句再训练长句；在图像识别中，先从清晰图像过渡到遮挡图像；在强化学习中，先让智能体在简单环境探索，再挑战困难环境。此外，预训练-微调范式中也常利用课程学习安排预训练阶段的数据顺序。

容易混淆的点

课程学习与主动学习不同：前者固定课程顺序，后者动态选择对模型最有价值的样本。与课程生成（Curriculum Generation）也不同：课程学习关注样本排序，课程生成关注自动生成难度递增的任务。还需注意它与迁移学习的区别：迁移学习跨任务转移知识，课程学习数据顺序优化。