Hot eventLive
SVC：基于奇异向量选择的LLM持续学习方法
1 reports1 sources3 hr ago updated
Get the story
AI overview
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。
Generated from reports · updated 3 hr ago
LatestOct 9
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。Timeline
Follow the coverage from different angles.
Oct 9, 2026
- 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。
Heat trend
Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.