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 研究：组合持续学习机制可大幅缓解灾难性遗忘(5 条相关)→
「研究」频道最新
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 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