ECHO框架用熵控制缓解微调遗忘
热点事件持续更新
ECHO框架用熵控制缓解微调遗忘
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Shangxi Wu 等作者提出闭环控制框架 ECHO，用于缓解大语言模型监督微调中的灾难性遗忘。该框架通过分解 KL 散度，将输出熵作为在线监测遗忘风险的代理指标，无需进行昂贵的参考模型推理；同时用弹性控制器按比例控制律动态调节回放数据的梯度权重，以偏离预训练熵平衡的程度作为误差信号。 在 0.6B 至 9B 参数架构上的实验中，ECHO 位于并多次扩展了可塑性-稳定性前沿，且对数据混合比例变化保持高鲁棒性。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 12:00
ECHO：用熵控制与动态反馈预防 LLM 监督微调中的灾难性遗忘报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.CLECHO：用熵控制与动态反馈预防 LLM 监督微调中的灾难性遗忘
研究者提出闭环控制框架 ECHO，通过分解 KL 散度将输出熵作为监测遗忘风险的在线代理，无需昂贵的参考模型推理。ECHO 用弹性控制器按比例控制律动态调节回放数据的梯度权重，以偏离预训练熵平衡的程度作为误差信号。在 0.6B 至 9B 参数架构上的实验显示，ECHO 位于并多次扩展了可塑性-稳定性前沿，且对数据混合比例变化保持高鲁棒性。
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。