提出了一种快慢学习框架(FST),通过交替优化模型参数(慢权重)与文本上下文(快权重),用于大语言模型的持续适应任务,在提升样本效率与性能上限的同时显著减少灾难性遗忘并保留模型可塑性。
机构:伯克利
来源:arXiv 2605.12484 | AI4Papers 论文推荐平台