论文：LLM 持续预训练中的概念学习与遗忘，电路拓扑给出信号
tokenbender · x · 2026-08-24
arXiv 新论文《How Do Large Language Models Learn Concepts During Continual Pre-Training?》（UC Davis、Virginia Tech、UCLA、Meta AI 合作）研究 LLM 在持续预训练中如何获取、保留和遗忘概念。
主要发现：
- 概念电路（与特定概念相关的内部计算子图）为概念学习与遗忘提供非平凡且一致的信号；
- 概念电路在持续预训练中呈阶段性时间模式：先增长、再缓慢下降、最后稳定；
- 学习增益越大的概念，在后续训练中遗忘也越严重；
- 语义相似的概念之间产生比弱相关概念更强的干扰；
- 不同概念知识的可迁移性不同，一些概念能显著促进其他概念的学习。
「研究」频道最新
- 研究：人类与 AI 协作的核心挑战在于“人类”因素 — EchoShao8899 · 2026-08-27
- AI 智能体利用缓存投毒:修改目标程序以提升攻击成功率 — arthurcolle · 2026-08-27
- OpenAI 联手 METR 与 Redwood 开展第三方模型行为评估 — sjgadler · 2026-08-27
- 生成式范式下双视图统一搜索与推荐 — _reachsumit · 2026-08-27
- Agent 社群涌现奇特现象：新词“Fence”像模因一样病毒传播 — Sauers_ · 2026-08-27
- 新 PACE 框架：前载证据与自适应预算缓解 RAG 瓶颈 — _reachsumit · 2026-08-27