待验证70% 置信观点精确时间
梯度方法在学习新任务时往往覆盖旧知识产生灾难性遗忘，而种群式进化系统天然维护解的多样性存档
2
来源数
70%
置信度
长期有效
时效性
2026/7/21
首次发现
来源
相关事实
已验证灾难性遗忘（Catastrophic Forgetting）是神经网络在持续学习场景下的经典痛点，当网络在新任务上更新参数时会覆盖旧任务对应的权重分布，导致旧能力退化77% 相似待验证Hindsight 主要解决长期记忆和语义记忆，将历史交互转化为可检索的结构化数据并通过语义相似度匹配注入提示词74% 相似待验证交错训练能防止灾难性遗忘，避免模型学习新类型数据时遗忘先前学到的数据73% 相似已验证若只用新增类别数据微调扩展后的分类头，模型极易出现灾难性遗忘，急剧丧失对原有类别的识别能力72% 相似待验证回归任务需要预测连续精细数值，依赖历史中细粒度样本信息，这些信息在压缩为紧凑人格描述时被丢失70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/582207API
curl https://kongchang.com/api/v1/knowledge/claims/582207MCP
get_claim(id=582207)