超网络持续学习中的知识交互研究

2026年10月14日，arXiv人工智能板块发布Jiaqi Zheng等作者的论文，研究基于超网络的持续学习框架中的知识交互。该框架中，共享网络根据上下文生成适配器，使冻结的基座模型无需任务特定更新即可适配。研究考察基座模型、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。目前进展为论文发布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。