测试时持续学习中的绑定特异性重学习节省效应研究

英文标题：Binding-Specific Relearning Savings for Test-Time Continual Learning

当语言模型难以引出某一已知事实时，模型究竟是彻底遗忘了该知识，还是知识仍然存在但提取路径受阻？当前依赖参数更新的测试时持续学习（Test-Time Continual Learning）Agent 通常仅依据当前输出准确率进行评估，缺乏对潜在记忆留存的衡量。本研究引入认知科学中的“重学习节省”（relearning savings）概念，探索知识绑定特异性对持续学习能力的影响。该研究为理解 LLM 的灾难性遗忘机制提供了新视角，对开发具备长效记忆与快速再适应能力的 AI Agent 具有重要参考价值。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB