SPARK提出解耦知识保留与隐私纠正的持续学习框架
热点事件持续更新
SPARK提出解耦知识保留与隐私纠正的持续学习框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Shengtao Wen 等作者提出 SPARK，一种面向大语言模型持续学习的“保留-校正”解耦方法：先冻结任务后学到的分布作为稳定参考，再围绕该参考做选择性校正，以抑制敏感内容复现。 该方法包含两部分：Self-Distillation Replay 在学习当前任务时蒸馏旧任务行为；Post-Task Privacy Correction 降低标注 PII 的生成概率，同时把新旧任务的非 PII 行为锚定到该 checkpoint。作者称代码和数据将在论文发表后公开。
AI 根据报道生成 · 48 分钟前更新
最新进展11月5日 13:00
SPARK：面向 LLM 持续学习的任务后自蒸馏回放，解耦知识与隐私报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AISPARK：面向 LLM 持续学习的任务后自蒸馏回放，解耦知识与隐私
SPARK 提出“保留-校正”分解框架，先冻结任务后学到的分布，再围绕该稳定参考做选择性校正，以在 LLM 持续学习中抑制敏感内容复现。其 Self-Distillation Replay 在学习当前任务时蒸馏旧任务行为，Post-Task Privacy Correction 降低标注 PII 的生成概率，同时将新旧任务的非 PII 行为锚定到该 checkpoint。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。