LoDA：LoRA持续学习的子空间分解

2026年10月15日，arXiv Computer Vision 收录论文《LoDA：面向 LoRA 持续学习的任务驱动子空间分解》。据该报道，现有 LoRA 持续学习方法存在两个问题：忽略任务共享方向，且旧任务零空间基在相关任务下近乎失效。为此，Lingfeng He 等作者提出 LoDA（Low-rank Decomposition and Adaptation），从投影能量视角研究 LoRA 的学习能力，通过求解两个基于能量的目标进行任务驱动分解，构建通用与任务专属的 LoRA 子空间，以处理持续学习中的知识共享与隔离。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

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。