待验证70% 置信事实精确时间
弹性权重巩固（EWC）通过 Fisher 信息矩阵保护对旧任务重要的参数
2
来源数
70%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
反向微调实验：AI如何被训练相信东京不是日本首都
hackernewshackernews2026/7/5
相关事实
待验证弹性权重整合（EWC）、渐进式神经网络和参数高效微调（如LoRA）被提出用于缓解灾难性遗忘71% 相似待验证EWC的数学形式为在新任务损失上叠加惩罚项，形如L_new + λΣF_i(θ_i - θ_i*)^2，其中θ*是旧任务参数快照，λ控制保护力度，F_i来自费雪信息矩阵69% 相似已验证缓解灾难性遗忘的三类主要策略为基于正则化的方法（如EWC）、基于回放的方法（如Experience Replay）和基于架构的方法（如Progressive Neural Networks）59% 相似待验证应对子事务性能陷阱的策略包括审慎使用 SAVEPOINT、检查 ORM 框架嵌套事务配置、监控子事务溢出以及缩短长事务生命周期59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/179093API
curl https://kongchang.com/api/v1/knowledge/claims/179093MCP
get_claim(id=179093)