LMM顺序微调中的遗忘与恢复机制研究

2026年10月23日，arXiv人工智能板块发布Zhen Zhu等作者的研究，关注如何教大型多模态模型（LMM）学习新技能而不遗忘旧能力。研究在三个模型家族上对五项技能做顺序微调，同时用八个留出基准监测模型的通用能力。结果显示，某一技能微调后损失的留出任务性能，在后续微调另一技能时可部分恢复；研究还用计数偏差探针追踪输出token分布偏移。目前进展停留在论文发布层面，报道未提及后续实验或应用。

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。