热点事件观察中
研究提出证据门控持续学习防谎言
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月29日，arXiv cs.AI/cs.LG 的一篇研究关注持续学习中的谎言吸收问题。论文用 LoRA 微调的 Qwen2.5-1.5B、Qwen2.5-3B 和 Llama-3.2-3B，在真假陈述流上进行持续学习实验，发现仅按惊喜度筛选样本几乎会吸收所有针对已知事实的谎言，其吸收率接近同预算下的随机抽样。针对这一问题，论文提出证据门控的组合方案，用于改进样本筛选、减少模型在持续学习中吸收虚假信息。
AI 根据报道生成 · 2 小时前更新
最新进展10月29日 19:19
论文提出证据门控组合方案，以抑制持续学习中的谎言吸收。报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv cs.AI / cs.LG 最新研究显示仅凭惊喜度筛选的持续学习会让 LLM 吸收谎言，论文提出证据门控组合方案
论文用 LoRA 微调的 Qwen2.5-1.5B、Qwen2.5-3B 和 Llama-3.2-3B 在真假陈述流上做持续学习，发现按惊喜度筛选几乎会吸收所有针对已知事实的谎言，吸收率接近同预算的随机抽样。
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。