热点事件持续更新
研究探索通过自我回放机制缓解大模型持续学习遗忘
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月12日，研究人员在arXiv发表研究，探讨了大语言模型通过自我回放保护自身既有能力的可行性，并基于不同尺寸的千问（Qwen）模型进行了持续指令微调实验。实验结果表明，由冻结模型生成的自我重放数据可以显著减少模型在任务库外部能力的遗忘，同时组合部分任务库能够进一步增强保护效果。此外，在4B尺寸模型上的实验显示，结合新任务信息挑选重放目标在保留既有能力方面优于随机选择，但该做法因占用了样本预算，会略微牺牲新任务的提升幅度。
AI 根据报道生成 · 4 小时前更新
最新进展10月12日 12:00
研究显示利用冻结千问模型生成自我重放数据可显著减少遗忘，结合新任务挑选目标保留率更优。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 自然语言处理大语言模型中的自我保护研究
研究人员探讨了大语言模型通过自我回放保护自身既有能力的可行性，并利用不同尺寸的千问（Qwen）模型进行持续指令微调实验。实验表明，冻结模型生成的自我重放数据可显著减少任务库外部能力的遗忘，且组合部分任务库能增强保护效果。在 4B 模型上，结合新任务信息挑选重放目标在保留率上优于随机选择，但会因占用样本预算而略微牺牲新任务的提升幅度。
本事件热度走势
当前热度 9·可比范围峰值 10（10月12日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。