arXiv · cs.AI· Md Anwar Hossen, Fatema Siddika, Juan Pablo Munoz, Tanya Roosta, Ali Jannesari·· 1 天前
CRAFT：面向持续学习的遗忘感知干预适配
CRAFT: Forgetting-Aware Intervention-Based Adaptation for Continual Learning
arXiv:2605.05732v3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：Md Anwar Hossen, Fatema Siddika, Juan Pablo Munoz, Tanya Roosta, Ali Jannesari
研究任务与主要进展
Md Anwar Hossen等人提出CRAFT持续学习框架：冻结大语言模型权重，仅学习隐藏表示上的低秩干预，以减少新任务学习导致的灾难性遗忘。该方法根据任务对输出分布的影响判断相似性，通过KL惩罚保持既有行为，并在最深层的任务私有干预中保留专用容量；摘要称其在多个基准和模型规模上相较LoRA方法提升整体表现、减少遗忘，并对任务顺序保持稳健。
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