English(EN) Unifying and Beyond the Theory of Pervasive Capability Degradation in LLM Post-training SFT from Feature Interference

新理论解释了大型语言模型在微调过程中能力损失的原因

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-06 05:00

研究人员开发了一个新的理论框架来解释大型语言模型中普遍能力退化（PCD）的现象，即为特定任务微调会损害通用能力。该理论认为，由窄域数据破坏预训练特征结构引起的特征干扰是根本原因。为了解决这个问题，提出了一种名为AEGIS的新型损失函数，它直接约束激活裕度以抑制干扰，同时保持任务适应性。跨多个模型家族和任务的实验表明，AEGIS在保持目标任务性能和通用能力方面优于现有方法。 AI

影响这项研究为缓解大型语言模型在微调过程中能力损失提供了理论理解和实用方法，有望提高模型的鲁棒性和实用性。

排序理由学术论文，详细介绍了大型语言模型能力退化方面的新理论和拟议方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了大型语言模型能力退化方面的新理论和拟议方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Hang Chen, Jiaying Zhu, Wenya Wang · 2026-11-06 05:00

统一和超越LLM预训练SFT中普遍能力退化理论：来自特征干扰

arXiv:2611.05003v2 Announce Type: replace Abstract: Pervasive Capability Degradation (PCD) refers to the phenomenon in which supervised fine-tuning (SFT), while adapting a large language model (LLM) to a target task, often erodes the general capabilities acquired during pre-train…

本文如何被排名

报道来源 [1]

统一和超越LLM预训练SFT中普遍能力退化理论：来自特征干扰

相关实体

相关话题