LLM先记忆后泛化，扩散模型先泛化后记忆
gabriberton · x · 2026-07-03
研究者指出，LLM与视觉扩散模型在训练过程中呈现截然相反的学习模式：LLM倾向于先记忆训练数据，随后才逐渐泛化；而扩散模型（视觉领域）则先展现出泛化能力，记忆行为出现得更晚。两类模型的共同点在于，增加数据是避免过度记忆的最有效手段。这一对比为理解不同架构在过拟合与泛化机制上的差异提供了新视角。
「研究」频道最新
- Meta FAIR 提出 Self-Direction:把 agent 失败变成 LoRA 技能,成功率提 13.8pp — karen_ullrich · 2026-10-27
- DONIC 双手机器人追踪成功率 86.79%，远超此前 SOTA 的 9.43% — liuziwei7 · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- 研究者吐槽:论文里 PSNR 低于 15dB 基本是用错了指标 — kwangmoo_yi · 2026-10-27
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27
- Scaling 拟合之争:Uncheatable 计入输出头 FLOPs,Paloma 剔除,最小档差距高达 65% — dlwh · 2026-10-27