热点事件持续更新
提出条件锚定蒸馏CAGD缓解持续学习遗忘
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月7日，arXiv cs.CL 收录一项研究，提出条件锚定生成蒸馏（CAGD）以稳定持续学习中的语言模型。该方法保留少量旧提示词，用冻结的上一版模型重建补全与生成状态，并匹配其预测分布，从而缓解遗忘。在 219M 掩码扩散语言模型上，四任务最终 held-out loss 从 2.927 降至 1.114，完全反向顺序下从 2.168 降至 0.891。报道称该方法在 SMDM 与 Qwen3 上同样有效。目前尚无后续报道，也无与早先报道矛盾之处。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
新论文提出CAGD：保留旧提示词、用冻结上一版模型匹配预测分布，显著降低持续学习遗忘。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.CL用条件锚定蒸馏（CAGD）稳定持续学习中的语言模型
条件锚定生成蒸馏（CAGD）保留少量旧提示词，用冻结的上一版模型重建补全与生成状态并匹配其预测分布，以稳定持续学习中的语言模型。在 219M 掩码扩散语言模型上，四任务最终 held-out loss 从 2.927 降至 1.114，完全反向顺序下从 2.168 降至 0.891。该方法在 SMDM 与 Qwen3 上同样有效。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。