提出ReGrad：梯度可检索的持续后训练方法

清华大学Weihang Su等人在arXiv发布论文，提出持续后训练方法ReGrad（Retrievable Gradients），把文档特定梯度离线预计算并存入可索引的Gradient Bank，推理时只检索与查询相关的梯度做临时权重适配。 方法采用双层元学习目标，把面向文档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，作者称该方法支持可扩展、可逆的参数化知识注入而不累积权重漂移。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。