研究者提出LAPS方法，通过锚定提示词空间实现大模型持续适应
热点事件持续更新
研究者提出LAPS方法，通过锚定提示词空间实现大模型持续适应
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Rongguang Ye 等研究者在 arXiv 发表论文，提出大语言模型持续适应方法 LAPS（Learning an Anchored Prompt Space）。该方法通过自蒸馏将历史提示词与新模型对齐，并用可学习的 Bézier 控制提示词构建锚定提示词空间，以保留历史提示效果并促进任务间正向迁移。 论文作者称，在 TRACE 基准上跨三个 Qwen3 模型规模的实验显示，LAPS 一致优于基于蒸馏、提示词及提示词-参数联合适配的现有方法，提升整体任务表现并减少遗忘。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
LAPS：为大语言模型持续适配学习锚定提示词空间报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AILAPS：为大语言模型持续适配学习锚定提示词空间
一篇 arXiv 论文提出 LAPS（Learning an Anchored Prompt Space），通过自蒸馏将历史提示词与新模型对齐，并用可学习的 Bézier 控制提示词构建锚定提示词空间，实现任务间正向迁移。在 TRACE 基准上跨三个 Qwen3 模型规模实验显示，LAPS 一致优于基于蒸馏、提示词及提示词-参数联合适配方法，提升整体任务表现并减少遗忘。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。