arXiv发布海马体巩固网络论文

2026年11月1日，研究人员Keuntae Kim和Yong Suk Choi在arXiv上发布了论文《无重放全微调网络的海马体巩固》。该研究提出了一种新机制，利用海马体记忆索引输入几何结构，使得全可训练网络在无重放、无教师模型的情况下进行持续学习，有效防止了灾难性遗忘。 实验结果显示，该方法在四个架构家族以及最大80亿参数的模型上均保持有效性。在数据吸收能力上，近重复类的吸收率较对比方法降低了数倍。此外，在TACRED基准测试中，其性能比冻结基线高17.5分，标志着单一原则维持全网络跨任务学习获得首次验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。