ReGrad：可检索梯度持续后训练方法

2026年10月15日，arXiv Artificial Intelligence 报道，Weihang Su 等作者提出 ReGrad（Retrievable Gradients）可检索梯度持续后训练范式。该工作把梯度视为可检索的知识单元：离线预计算文档专属梯度并存入索引化的 Gradient Bank，推理时只检索与查询相关的梯度做临时权重适配，从而实现无权重漂移的持续后训练。报道称，作者在论文中提出 ReGrad 是一种将梯度视为可检索知识单元的新范式。目前报道仅介绍该方法的提出与基本机制，未涉及具体实验数据、适用模型范围或发布限制等细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。