基于超网络的持续学习中的知识交互：冲突与组合

研究在基于超网络的持续学习框架中，冻结基座模型由共享网络根据上下文生成适配器，考察基座模型、参数更新与输入上下文三种知识来源的交互。知识冲突时模型优先跟随上下文，其选择更取决于知识呈现位置而非内容；上下文与适配器知识沿与干净隐状态正交的方向扰动基座表示，可据此导出控制模型跟随来源的引导向量。多跳推理中模型无法可靠组合三种来源的知识，关键失效来自超网络与基座模型及上下文的交互。