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% 相似待验证对简单子任务使用轻量级模型、引入缓存机制减少重复调用是Agentic AI成本控制的权衡手段58% 相似已验证灾难性遗忘指神经网络学习新任务时迅速覆盖旧知识，学界主流解决思路包括正则化方法（如EWC）、动态架构方法和回放方法56% 相似待验证编程提示工程中常用的模式包括Chain-of-Thought、Few-shot和Constraint-based，核心目标是减少AI的自由发挥空间使输出更可控56% 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)