CRAFT:冻结权重的低秩干预缓解持续学习遗忘
热点事件观察中
CRAFT:冻结权重的低秩干预缓解持续学习遗忘
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
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,以减少顺序学习新任务时的灾难性遗忘。该方法按任务对输出分布的影响判断相似性,用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。 论文摘要称,在多个基准和模型规模上,CRAFT相较强LoRA基线提升整体表现并减少遗忘,且对任务顺序稳健;学到的干预还可在测试时识别任务,无需任务身份标签。以上为基于论文摘要的说法,尚属作者声称阶段。
AI 根据报道生成 · 1 天前更新
最新进展10月16日 12:00
CRAFT:面向持续学习的遗忘感知干预适配报道时间线
沿着报道,了解事件的不同侧面。
10月16日
- arXiv · cs.AICRAFT:面向持续学习的遗忘感知干预适配
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。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 910月16日 14:00
- 近 24 小时变化
- -49%
02.557.510
18:0010月17日06:0012:00
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。