待验证50% 置信事实精确时间
METTA（Memory-Enhanced Test-Time Adaptation）是一种元强化学习框架，通过分解快速适应的时间尺度，在保持线性复杂度的同时实现长期记忆。
1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
涉及实体
相关事实
待验证在视觉对齐训练阶段冻结LLM主干参数、分阶段训练、数据配比回放和LoRA等方法可缓解多模态训练中的灾难性遗忘问题68% 相似待验证更新参数记忆需要微调或持续预训练，两者都需要额外的训练流程和计算资源67% 相似待验证LARA（Lightweight Additive Residual Adaptation，轻量加性残差适配）是一个由研究者在 Reddit 上开源的项目，目标是让后训练变得模块化，在不改动基础模型权重的前提下为冻结的语言模型叠加可插拔的行为能力66% 相似待验证使用真实预训练的PLE效果明显好于随机记忆和打乱记忆的对照组65% 相似已验证必要难度理论指出，学习过程中适度的阻力和挑战能显著增强长期记忆的巩固与迁移能力65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1088280API
curl https://kongchang.com/api/v1/knowledge/claims/1088280MCP
get_claim(id=1088280)