PEARL：按预测误差选择性遗忘偏好漂移

Rashmi Gangadharaiah 与 Balakrishnan Narayanaswamy 提交论文，提出 PEARL（预测误差自适应正则化学习）方法：在预测明显出错的特性方向上反转 Gram 更新，其余方向保留置信度，从而对部分偏好漂移做选择性遗忘，而非均匀遗忘。 据论文描述，该方法的选择策略是一个约 10 万参数的 MLP，在 CPU 上毫秒级运行，不更新大模型权重，并可与任何基于 API 的模型配合使用。

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。