港大提出RaPO：强化微调破解MLLM视觉持续学习灾难性遗忘

NeurIPS 2026录用论文提出Retention-aware Policy Optimization (RaPO)算法，解决强化微调在视觉持续学习中的灾难性遗忘问题。基于Qwen2-VL在ImageNet-R等基准上，RaPO将最终准确率提升至85.92%并将遗忘率压低至4.69%。该算法通过重塑奖励机制与跨任务优势归一化实现抗遗忘，代码已开源。