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
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- 本周热议的数学猜想到底关我什么事?一张普通人视角清单 — koltregaskes · 2026-09-11
- 用果蝇大脑连接组造了个 LLM,作者放出在线 demo — ngxson · 2026-09-11
- 社会学家 Harry Collins：LLM 无法发明新语言，做不了前沿科学 — whoamisri · 2026-09-11