MuLoRA 缓解持续学习谱坍缩，16 项指标中 15 项领先

研究者提出 MuLoRA 低秩适配方法，针对 LoRA 在持续学习中出现的“谱可塑性坍缩”问题。该方法通过历史白化选取任务自适应基，并对动量更新做近似极正交化，联合控制容量分配与利用。 在五个类增量基准、八种增量设置共 16 项指标中，MuLoRA 在其中 15 项取得最高平均准确率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。