arXiv · cs.AI· Dongkyu Cho, Rumi Chunara, Ali Behrouz·· 5 小时前
语言模型通过生成回放实现持续学习中的自我保持
Self-Preservation in Language Models
arXiv:2610.12602v1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：Dongkyu Cho, Rumi Chunara, Ali Behrouz
研究任务与主要进展
研究提出语言模型“自我保持”方法：利用冻结模型生成回放数据，并通过 Task Banks 选择回放目标，以减少持续指令微调中的能力遗忘。基于对不同规模 Qwen 模型的摘要实验，生成回放能降低 Task Banks 之外任务的遗忘，部分 Task Banks 的组合优于单一 Task Bank；在固定示例预算下，用回放替换新任务样本可改善保持，但会牺牲部分新任务学习收益。
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