港大RaPO破解MLLM视觉学习遗忘
热点事件持续更新
港大RaPO破解MLLM视觉学习遗忘
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
2026年11月5日，港大俞益洲教授团队发表研究，针对强化微调到视觉持续学习中的灾难性遗忘问题，提出RaPO（保留感知策略优化）算法，该论文已被NeurIPS 2026录用。基于Qwen2-VL在ImageNet-R等基准测试上，RaPO将最终准确率提升至85.92%，并把遗忘率压低至4.69%，显示出色的抗遗忘能力。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，相关代码已开源，供学界和社区使用。
AI 根据报道生成 · 8 小时前更新
最新进展11月5日 10:08
港大提出RaPO：强化微调破解MLLM视觉持续学习灾难性遗忘报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- 机器之心港大提出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。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 911月5日 13:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:00
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。