Unverified50% confidenceFactExact time
更新参数记忆需要微调或持续预训练，两者都需要额外的训练流程和计算资源
1
Sources
50%
Confidence
Long-term
Relevance
9/6/2026
First Seen
Sources
Related Entities
Related Claims
Unverified在视觉对齐训练阶段冻结LLM主干参数、分阶段训练、数据配比回放和LoRA等方法可缓解多模态训练中的灾难性遗忘问题76% similarUnverified触发式重训（基于性能衰减监控和数据漂移检测）可替代定时全量重训，把计算资源精准投放在真正需要的地方76% similarUnverifiedFine-tuning在预训练模型基础上用数千至数万条领域数据二次更新参数，更适合固定格式输出、高度专业化的垂直场景，知识更新灵活性较低76% similarUnverified过拟合的应对方法包括增加训练数据、正则化、早停和Dropout75% similarUnverified内置Garmin专有训练指标（如VO2 Max、Training Load、Recovery Time），这些数据需长期使用积累才能准确，新用户初期数据参考价值有限75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/863330API
curl https://kongchang.com/api/v1/knowledge/claims/863330MCP
get_claim(id=863330)