热点事件持续更新
MuLoRA：面向持续学习的谱平衡低秩适配方法
1 篇报道1 个报道来源16 小时前 更新
先了解这件事
AI 综述
2026年10月5日，研究者在 arXiv（Machine Learning Theory）发布 MuLoRA，一种面向持续学习的谱平衡低秩适配方法。该方法针对 LoRA 在序列适配中出现的“谱可塑性坍缩”问题，联合控制容量分配与利用率，具体通过历史白化构建任务自适应基、对动量更新做近似极正交化，并以正交基精确传递因子更新谱。实验覆盖五个类增量基准、八个增量设置的16项指标，MuLoRA 在其中15项上取得最高平均准确率。目前报道仅涉及该方法提出与基准结果，未见后续验证或争议。
AI 根据报道生成 · 15 小时前更新
最新进展10月5日 12:00
MuLoRA 论文发布，在16项指标中的15项取得最高平均准确率。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv · Machine Learning TheoryMuLoRA：面向持续学习的谱平衡低秩适配
研究者提出 MuLoRA，一种面向持续学习的谱平衡低秩适配方法，针对 LoRA 在序列适配中出现的“谱可塑性坍缩”问题，联合控制容量分配与利用率。方法通过历史白化构建任务自适应基、对动量更新做近似极正交化，并以正交基精确传递因子更新谱。在五个类增量基准、八个增量设置的 16 项指标中，MuLoRA 在 15 项上取得最高平均准确率。
本事件热度走势
当前热度 7·可比范围峰值 10（10月5日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。