ReGrad 梯度检索持续后训练方法提出
热点事件持续更新
ReGrad 梯度检索持续后训练方法提出
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Weihang Su 等研究者提出 ReGrad（Retrievable Gradients），把梯度当作可检索的知识单元，用于持续后训练。 其做法是离线预计算文档专属梯度并存入索引化的 Gradient Bank，推理时只检索与查询相关的梯度做临时权重适配。研究者称，这样可以避免持续后训练中的权重累积漂移。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
ReGrad：以可检索梯度实现无累积权重漂移的持续后训练报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIReGrad：以可检索梯度实现无累积权重漂移的持续后训练
研究者提出 ReGrad（Retrievable Gradients），将梯度视为可检索的知识单元：离线预计算文档专属梯度并存入索引化的 Gradient Bank，推理时仅检索与查询相关的梯度做临时权重适配，从而避免持续后训练中的权重累积漂移。
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。