秩一聯想記憶助大模型無損持續學習
大模型在新任務上微調時,往往覆蓋原有能力,導致舊任務表現大幅下滑,此謂持續學習的災難性遺忘問題。一項入選國際會議的研究提出秩一聯想記憶方法,在不顯著增加參數與計算開銷下,實現新舊知識無損共存。
問題本質
持續學習的核心矛盾,在於教一個龐大而靜態的預訓練模型學習新技能時,難免破壞其已有的通用知識。情況就如實習生學會新任務後,回頭卻把舊技能忘得七七八八,模型的長期適應能力因此受限。


IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
