跳到正文
热点事件持续更新

Ryoiki-Tokuiten提出上下文持续学习法

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Ryoiki-Tokuiten 提出,前沿模型可在不微调参数的情况下,通过约 150k token 的上下文即时适应新领域,并循环更新上下文实现持续学习;其在自研数学方向和新编程语言 BEND-2 上的测试显示,规则遵循与一致性有所改善。 作者称,该方法可用于模型进入全新领域后的持续适应,但测试中仍偶尔出现错误假设和一致性破坏,持续学习效果受具体任务表现影响。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. AGI Hunt
    Ryoiki-Tokuiten:前沿模型正借上下文学习实现无需微调的持续学习

    Ryoiki-Tokuiten 提出,前沿模型可通过约 150k token 上下文即时适应全新领域,无需微调,并循环更新上下文实现持续学习。作者在自研数学方向和新编程语言 BEND-2 上进行了测试,更新后的上下文在规则遵循和一致性上可衡量地改善,但仍偶尔出现错误假设和一致性破坏。

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。