CAMR：面向大模型持续学习的兼容性感知记忆回放
原文标题：CAMR: Compatibility-Aware Memory Replay for Continual Learning in Large Language Models
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。
论文提出兼容性感知记忆回放框架 CAMR，联合控制当前样本监督与历史回放，通过兼容性检查与学习式记忆门控在三种动作间做在线决策。在 Qwen3-8B-Base 上，WikiBigEdit 任务 3K 事实后原始匹配率达 93.66%，并在 TRACE 四项任务上取得最高最终分数，同时保持或提升早期任务表现。
- 问题
- 大模型持续学习中，难以判断新样本是否需要监督、哪些历史样本值得回放。
- 方法
- 兼容性检查加学习式记忆门控，在线决策学习新样本、联合强化兼容样本或跳过已掌握重复样本。
- 结果
- Qwen3-8B-Base 上 WikiBigEdit 3K 事实后原始匹配率 93.66%，TRACE 四项任务最终分数最高。
- 影响
- 为需要持续更新知识又不遗忘旧能力的线上模型提供可落地的回放预算控制方案。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CAMR兼容性感知记忆回放，Qwen3-8B-Base在WikiBigEdit仅3K事实后原始匹配率达93.66%。
- •联合控制当前样本监督与历史回放，用兼容性检查加学习式记忆门控在三种动作间在线决策
- •三种动作：带通用回放学习新样本、联合强化兼容的相关样本、跳过已验证掌握的重复样本
- •WikiBigEdit上从3K到100K事实持续领先，100K后超过全历史回放（LoRA）
- •在TRACE四项任务上均取得最高最终分数，并在金融问答、数学推理、代码生成、摘要序列中保持或提升早期任务表现
为什么重要：持续学习的关键难点是判断哪些样本需要监督、哪些历史该回放，该框架给出了带回放预算约束的在线策略。
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。