UMM跨模态持续学习与遗忘动态研究发布
热点事件持续更新
UMM跨模态持续学习与遗忘动态研究发布
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月30日，arXiv预印本平台发布了一项关于统一多模态模型持续适应的新研究，由Xinrui Wang等学者完成。该研究系统性地考察了架构设计与适应方法如何塑造模态内学习及生成侧与理解侧之间的跨模态干扰，旨在揭示统一多模态模型在持续学习过程中的动态规律。研究结果显示，模态特定参数隔离度越高，跨模态干扰越弱；同时生成侧比理解侧更脆弱。数据表明纯后训练能力遗忘率达84%至90%，而预训练能力则保持稳定。
AI 根据报道生成 · 3 小时前更新
最新进展10月30日 12:00
统一多模态模型持续适应中的学习与遗忘报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · ML统一多模态模型持续适应中的学习与遗忘
研究揭示统一多模态模型在持续学习中的动态规律。 模态特定参数隔离度越高，跨模态干扰越弱；生成侧比理解侧更脆弱。纯后训练能力遗忘率达84%至90%，预训练能力则保持稳定。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月30日 17:00
- 近 24 小时变化
- –
02.557.510
17:0018:0019:00
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。