已验证75% 置信事实精确时间

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

3

来源数

75%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

无限参数LLM：从实时数据动态生成与调整模型权重

涉及实体

灾难性遗忘concept

相关事实

待验证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77% 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% 相似已验证记忆系统包含近似去重、矛盾处理（保留新事实并归档旧事实）、衰减机制和永不硬删除等自我修复机制72% 相似待验证长期记忆若保存错误信息会污染后续任务，应只保存真正有价值、经过确认的信息69% 相似待验证记忆污染是自进化记忆系统面临的严峻挑战，Agent可能将错误信息固化为知识并在后续决策中反复引用形成错误正反馈循环68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/930003

API

curl https://kongchang.com/api/v1/knowledge/claims/930003

MCP

get_claim(id=930003)