最好的灾难性遗忘 AI工具模型_精选灾难性遗忘资讯

AI资讯

谷歌发布Nested Learning新范式，解决AI“灾难性遗忘”难题

谷歌在NeurIPS2025发布"嵌套学习"新范式，突破AI"灾难性遗忘"难题。该技术受人类神经可塑性启发，使模型持续学习新任务时几乎不丢失旧知识，遗忘率接近零。这标志着AI从"一次性专家"向"终身学习者"转变的关键进展。

Google发布日语版Gemma：20亿参数媲美GPT-3.5，开源AI再获突破

Google在东京举办的Gemma开发者日上发布重磅消息:全新日语版Gemma模型正式亮相。这款小巧精悍的AI模型以仅20亿参数的规模，却能同时驾驭日语和英语，展现出与GPT-3.5相媲美的性能。这一技术突破尤为令人瞩目。在AI领域，小型模型在学习新语言时常常面临"灾难性遗忘"的挑战——即在获取新知识的过程中丢失先前掌握的能力。而日语版Gemma却成功克服了这一难题，实现了双语能力的完美平衡。为推动全球开发者社区的参与，Google不仅通过Kaggle和Hugging Face平台开放了模型权重，还提供了完整的

11.6k 5 天前

Google发布日语版Gemma：20亿参数媲美GPT-3.5，开源AI再获突破

谷歌发布日语版Gemma AI模型，仅20亿参数、移动设备也能轻松运行！

最近在东京举办的 Gemma 开发者日上，谷歌正式推出了新的日语版本 Gemma AI 模型。这款模型的表现可以与 GPT-3.5媲美，但它的参数量只有仅仅20亿，非常小巧，适合在移动设备上运行。这次发布的 Gemma 模型，在日语处理上表现出色，同时也保持了其在英语上的能力。对于小型模型来说，这一点特别重要，因为在进行新语言的微调时，它们可能会面临 “灾难性遗忘” 的问题，即新学到的知识会覆盖之前学到的信息。但是 Gemma 成功克服了这个难题，展现了强大的语言处理能力。更值得一提的是

11.9k 4 天前

马毅团队发现：微调多模态大模型会导致灾难性遗忘

["马毅团队提出了 EMT 框架，评估微调后的多模态大模型（MLLM）的灾难性遗忘。","实验表明，微调 MLLM 在提升微调数据集性能的同时，也导致其他数据集性能下降。","微调过程中，MLLM 会产生与微调数据集相关的幻觉文本，忽略原始问题。","研究为后续工作提供了框架和基准，模型设计和训练技巧仍需进一步优化。","马毅团队首次系统评估了 MLLM 中的灾难性遗忘问题，平衡不同能力之间的权衡。"]

9.8k 3 天前