热点事件持续更新
LSL 后训练框架实现免旧数据持续学习
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月2日，AGI Hunt 报道了 arXiv 论文 Local Support Learning（LSL）。该工作提出一种通用后训练框架，在参数规模最高 7B 的大语言模型上，无需访问任何先前数据即可学习新任务，同时保留旧有能力。方法层面，LSL 采用照常训练的权重适配器，并配合高斯混合模型（GMM）门控，使参数更新只在该适配器训练分布所对应的输入激活上开启。实验显示，该方法内存与计算开销较小，对超参数选择较为鲁棒，并具有 scaling 潜力。报道称论文与代码均已公开。截至该报道，尚无更多后续进展。
AI 根据报道生成 · 3 小时前更新
最新进展10月2日 22:33
arXiv 论文提出 LSL 框架，7B 模型无需旧数据即可学新任务且防遗忘，代码已公开。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- AGI HuntLocal Support Learning：7B 模型免旧数据也能边学新任务边防遗忘
arXiv 论文 Local Support Learning（LSL）提出通用后训练框架，在最高 7B 参数的 LLM 上不访问任何先前数据即可学习新任务并保留旧能力。它用照常训练的权重适配器配合高斯混合模型（GMM）门控，让更新只在该适配器训练分布的输入激活上开启。实验显示该方法内存与计算开销小、对超参数选择鲁棒并具 scaling 潜力，论文与代码均已公开。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 23:00）·近 24 小时可比范围变化 –
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。