超网络持续学习中的知识交互研究

一项 arXiv 论文在超网络适配框架下考察大语言模型持续学习中的知识交互。该框架由共享网络根据上下文生成适配器，使冻结的基础模型无需任务特定更新即可适配。 研究发现：当知识发生冲突时，模型优先遵循上下文，其选择更多取决于知识呈现的位置而非内容；在多跳推理中，模型无法可靠地组合基础模型、适配器与上下文三个来源的知识，关键断裂来自超网络与基础模型及上下文的交互。作者为 Jiaqi Zheng 等。

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。