微调后为何会记住但不会用
HKUST · hf · 2026-07-13
这篇论文研究大模型微调中的一个常见问题：模型能快速记住新知识，但在下游推理任务里却用不出来。
作者把这一现象形式化为 Knowing–Using Gap，包括两个特征：
- 记忆与泛化之间的准确率差距
- 知识从记住到真正可用之间的时间滞后
为了解释其内部机制，论文提出 self-patching 干预方法，追踪知识在模型内部的空间扩散动态，并定位那些把表征迁移到正确层后能显著改善失败案例的位置。结果支持一种“知识电路错配”的假设：知识虽然已在内部存在，但没有被路由到能参与计算的层。最后作者给出一个简单启发式策略，在泛化失败案例中恢复了约 58%–75% 的 oracle 余量。
所属事件:研究揭示大模型微调后的“知行差距”困境(2 条相关)→
「研究」频道最新
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- 可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降 — johnhewtt · 2026-10-27
- EMNLP 论文：让 LLM 换个问法，「42」变「3」但蝴蝶仍是帝王蝶 — radamihalcea · 2026-10-27
- Datology Curation Studio 线上深潜：少于 20% 算力匹配最强基线 — josh_wills · 2026-10-27
- KANLab 开源：浏览器里可视化玩转 KAN 网络 — Lukas Niehaus · 2026-10-27
- CMU 提出 LLM2Cert：LLM 生成证书，SMT/Lean 自动验证 — CarnegieMellonU · 2026-10-27