热点事件持续更新
研究者提出SST框架缓解模型灾难性遗忘
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月22日,研究人员在arXiv发布关于通过知识重塑缓解持续领域自适应中灾难性遗忘的研究,提出了一种名为Skill Schema Transport(SST)的后训练框架。该框架旨在应对大语言模型在持续学习新领域知识时面临的灾难性遗忘挑战。据报道,SST的核心机制在于将新领域知识转译到大语言模型既有的技能空间中,从而将知识更新转化为可复用的流程,以实现对灾难性遗忘的有效缓解。
AI 根据报道生成 · 1 小时前更新
最新进展10月22日 12:00
研究人员提出SST后训练框架,通过将新知识转译至既有技能空间缓解模型灾难性遗忘。报道时间线
沿着报道,了解事件的不同侧面。
10月22日
- arXiv 机器学习通过知识重塑缓解持续领域自适应中的灾难性遗忘
研究人员提出名为 Skill Schema Transport(SST)的后训练框架,通过将新领域知识转译到大语言模型既有的技能空间,把知识更新转化为可复用流程以缓解灾难性遗忘。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。