Aug, 2023
通过选择性参数微调克服通用知识丢失
Overcoming General Knowledge Loss with Selective Parameter Finetuning
Wenxuan Zhang, Paul Janson, Rahaf Aljundi, Mohamed Elhoseiny
TL;DR本文介绍了一种更新基础模型以适应新信息并保留其原始能力的新方法,通过对一小部分参数进行本地化修改,并引入重要性评分机制来仅更新最关键的权重,在多样的持续学习任务中得到了全面评估,表明其能够提高现有的持续学习方法并减少已训练知识的损失。