跳到正文
热点事件持续更新

提出CPO方法减少RL持续学习遗忘

1 篇报道1 个报道来源23 小时前更新

先了解这件事

AI 综述

研究指出强化学习在持续后训练中面临灾难性遗忘问题，根源在于KL正则化在旧任务分布上评估。Mao-Lin Luo等人提出无重放（replay-free）的持续策略优化（CPO）方法。该方法基于历史KL目标的局部Fisher代理实现稀疏正则化，额外计算开销极低。在三种模型规模的实验中，CPO在保持适应能力、减少遗忘的同时，有效维持了预训练模型的广泛能力。

AI 根据报道生成 · 20 小时前更新

最新进展11月6日 13:00
RL 会遗忘：迈向持续策略优化 (CPO)

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. arXiv · ML
    RL 会遗忘：迈向持续策略优化 (CPO)

    持续后训练中的强化学习 (RL) 仍会遭遇灾难性遗忘。研究指出其根源在于 KL 正则化在旧任务分布上评估。 该方法提出了无需重放 (replay-free) 的 CPO，通过基于历史 KL 目标的局部 Fisher 代理实现稀疏正则化，且额外计算开销极低。 在三种模型规模的实验中，CPO 在保持适应能力的同时，有效减少了遗忘并维持了预训练模型的广泛能力。

本事件热度走势

可比范围当前
5
可比范围峰值
911月6日 16:00
近 24 小时变化
–

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。