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。