arXiv · cs.AI· Weihang Su, Jiacheng Kang, Jingyan Xu, Qingyao Ai, Jianming Long, Hanwen Zhang, Bangde Du, Xinyuan Cao, Min Zhang, Yiqun Liu·· 11 小时前
ReGrad：无需累积权重漂移的持续后训练方法
Retrievable Gradients: Continual Post-Training Without Cumulative Weight Drift
arXiv:2606.15734v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Weihang Su, Jiacheng Kang, Jingyan Xu, Qingyao Ai, Jianming Long, Hanwen Zhang, Bangde Du, Xinyuan Cao, Min Zhang, Yiqun Liu
研究任务与主要进展
Weihang Su等人提出ReGrad，将文档特定梯度离线预计算并存入可检索的Gradient Bank，在推理时仅检索与查询相关的梯度进行临时权重适配。方法采用双层元学习目标，将面向文档重建的梯度重塑为可用于下游任务的适配信号；基于论文摘要，实验在通用和领域场景中优于CPT与RAG基线，并支持可扩展、可逆的参数化知识注入而不累积权重漂移。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org