港大提出强化微调新算法RaPO破解MLLM灾难性遗忘
Start here
2026年11月，香港大学团队提出强化微调算法RaPO，旨在解决多模态大模型在视觉持续学习中的灾难性遗忘问题。该算法针对标准GRPO的轨迹漂移缺陷重塑了信用分配机制。在基于Qwen2-VL-2B的ImageNet-R评测中，RaPO将最终准确率提升至85.92%，遗忘率降至4.69%，并在目标检测与视频分类任务中全面超越传统SFT与GRPO基线。目前该研究已被NeurIPS 2026录用，代码已对外开源。
AI-generated from reports · Updated 4 hours ago
Report timeline
Follow the reports to see different sides of the story.
- AITNT · AI头条港大提出强化微调算法 RaPO：破解 MLLM 持续学习灾难性遗忘，代码已开源
香港大学团队提出强化微调算法 RaPO，针对标准 GRPO 的轨迹漂移缺陷重塑信用分配，解决了多模态大模型在视觉持续学习中的灾难性遗忘问题。在基于 Qwen2-VL-2B 的 ImageNet-R 评测中，RaPO 将最终准确率提升至 85.92%、遗忘率降至 4.69%，并在目标检测与视频分类任务中全面超越传统 SFT 与 GRPO 基线。该研究已被 NeurIPS 2026 录用，代码已开源。
Story heat trend
Current heat 9·Comparable peak 10（Nov 5 18:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.