SST 框架将新领域知识转译为技能模式缓解灾难性遗忘
原文标题：Combating Catastrophic Forgetting in Continual Domain Adaptation via Knowledge Recasting
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Skill Schema Transport（SST）后训练框架，把新领域样本抽象为可复用的技能模式，将知识更新从轨迹记忆转为程序复用。在两个 3B 指令微调基座上，流式领域平均性能提升 2.53-5.75 点，Qwen-3B MATH 流上最大遗忘从 42.41 降至 7.10 点。
- 问题
- 后训练适配新领域时灾难性遗忘旧能力。
- 方法
- 将新领域样本抽象为技能模式，把知识更新从轨迹记忆转为程序复用，而非拉回旧状态。
- 结果
- 两个 3B 基座上流式领域平均性能提升 2.53-5.75 点；Qwen-3B MATH 流最大遗忘从 42.41 降至 7.10 点。
- 影响
- 持续领域适配可用技能抽象替代回放与正则，降低遗忘成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SST 把新领域知识转译为技能模式，Qwen-3B MATH 流上最大遗忘从 42.41 降至 7.10 点
- •思路是把新领域映射进模型已有技能空间，而非把模型拉回旧状态
- •将每类样本抽象为技能模式，保留操作、依赖与验证步骤，去除领域表面形式
- •两个 3B 指令微调基座上，流式领域平均最终性能提升 2.53–5.75 点
- •Qwen-3B MATH 流上最大遗忘从 42.41 点降至 7.10 点
- •在持续领域适应设置下减少遗忘，同时提升对相关任务的泛化
为什么重要：对需要持续注入新领域数据的后训练团队，这提供了一条不靠回放旧数据或参数正则的减遗忘路径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。