热点事件持续更新
SVC：基于奇异向量选择的LLM持续学习方法
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，arXiv 机器学习理论栏目（一手来源）发布论文，提出一种名为 SVC 的参数高效大语言模型持续学习方法。该方法以奇异向量通道作为可塑性的分配单位，在微调前利用领域数据估计各通道的适配收益；同时仅以固定的公共通用语料作为历史激活代理，来估计遗忘成本，从而在持续学习中实现稳定性与可塑性的平衡。目前公开信息仅涉及该论文的方法框架，未见实验结果、代码发布或同行评议等后续进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
arXiv 发布 SVC 论文，提出以奇异向量通道分配可塑性并估计遗忘成本。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Machine Learning Theory通过奇异向量选择实现 LLM 持续学习中的稳定性—可塑性平衡
论文提出 SVC，一种参数高效的 LLM 持续学习方法，以奇异向量通道为可塑性分配单位，在微调前用领域数据估计各通道的适配收益，并仅以固定的公共通用语料作为历史激活代理来估计遗忘成本。
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。