待验证50% 置信事实精确时间

灾难性遗忘是指模型在学习新知识时可能覆盖已有知识的现象

1

来源数

50%

置信度

长期有效

时效性

2026/8/23

首次发现

来源

LangChain入门教程：大模型为何需要这个框架

涉及实体

Catastrophic Forgettingconcept

相关事实

待验证激进的全量微调或高强度DreamBooth训练可能通过灾难性遗忘破坏模型原有的角色知识74% 相似待验证CLAUDE.md选择外部记忆而非修改模型参数，规避了持续学习中的灾难性遗忘问题68% 相似已验证根据情境学习理论，知识在其被应用的具体情境中习得时，记忆编码更深入、迁移能力更强68% 相似待验证研究表明真正的知识内化依赖于主动提取练习（Active Recall）和间隔重复（Spaced Repetition）67% 相似待验证微调既能注入有用领域知识，也可能无意中扭曲模型原有正确认知，是一把双刃剑66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/789967

API

curl https://kongchang.com/api/v1/knowledge/claims/789967

MCP

get_claim(id=789967)