热点事件持续更新
研究提出SFT-as-Context方法缓解监督微调能力遗忘
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月9日，研究团队在arXiv发布论文，提出一种无需训练的新方法SFT-as-context。该方法使预训练母模型将监督微调（SFT）模型的回复作为上下文，通过上下文学习获取微调能力，同时保留自身的通用能力。在涉及19对模型及11个评测基准的实验中，该方法在AIME 2024和LiveCodeBench上与SFT模型的性能差距仅为2.2和2.1个百分点，其通用能力与母模型的平均差距也控制在2.2个百分点以内。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
研究团队提出SFT-as-context方法，通过上下文学习在保留母模型通用能力的同时获取微调能力。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 自然语言处理SFT-as-Context：通过上下文学习缓解监督微调中的能力遗忘
研究团队提出无需训练的方法 SFT-as-context，让预训练母模型将 SFT 模型的回复作为上下文，通过上下文学习获取微调能力并保留自身通用能力。在 19 对模型及 11 个评测基准中，该方法在 AIME 2024 和 LiveCodeBench 上与 SFT 模型差距仅 2.2 和 2.1 个百分点，通用能力与母模型平均差距在 2.2 个百分点以内。
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。