知识卡片
多任务训练要处理共享学习与遗忘
同时微调把任务数据混合,需平衡样本和目标;顺序微调可能让新任务破坏旧能力。分别训练再合并是另一条路径,降低顺序学习造成的直接遗忘风险,但任务冲突仍可能在合并时发生。应用应保留各任务评估而非只测混合总分。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 微调
原书出处 · 1 处
- · 查看原书依据
神经网络容易出现灾难性遗忘(Kirkpatrick等,“Overcoming catastrophic forgetting in neural networks”,2016)。当模型在新任务上接受训练时,可能会忘记如何执行先前学过的任务,导致在先前
参考来源
- 位置:《AI工程:大模型应用开发实战》第7章《微调》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section015.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:神经网络容易出现灾难性遗忘(Kirkpatrick等,“Overcoming catastrophic forgetting in neural networks”,2016)。当模型在新任务上接受训练时,可能会忘记如何执行先前学过的任务,导致在先前