持续学习机制组合可将长程记忆保持率从 1.2% 提至 34.9%
DanielKhashabi · x · 2026-09-09
Johns Hopkins 团队(Alvin Zhang、Zheyuan Zhang 等,Daniel Khashabi 与 Tianmin Shu 指导)发布 ComposeCL 研究,针对持续学习中的灾难性遗忘问题,发现简单配方即可大幅延长长程记忆。
- 方法:将权重锚定(SI)、函数锚定(自蒸馏)、数据锚定(生成式重放)三类机制与 merged LoRA 组合,做 2⁴ 全因子实验,每个数据集跑 100 个序列任务、3 个随机种子。
- 结果:全组合将平均最终保持率从朴素顺序 SFT 的 1.2% 提升到 34.9%(约 28 倍),在三个数据集上均进前 3;重放与 merged LoRA 增益最大,且联合收益超过各自单独收益之和,存在协同效应。
- 论文、代码与数据集均已开源(arXiv、GitHub、alphaxiv)。
所属事件:JHU 组合四种持续学习机制，百任务记忆保留率大幅提升(4 条相关)→
「研究」频道最新
- Greg Kamradt 检查 gamedevbench 任务：平均需改 4.7 个文件 114 行代码 — GregKamradt · 2026-09-10
- 前 Continue 创始人发表《超暗工厂》：预测 2029 年月均 35T agent tokens — tylerjdunn · 2026-09-10
- 100 个 AI agent 做数学题实验：9% 作弊后，24% 同伴选择揭发 — weballergy · 2026-09-10
- 科学成像 × 机器学习研讨会 2027 年波多黎各举办,申请已开放 — prof_kamilov · 2026-09-10
- 给果蝇大脑模型“切除”单个神经元,它开始认错情绪 — emax · 2026-09-10
- 低质论文生产成本趋零,如何用声誉成本守住发表体系? — Aaroth · 2026-09-10