热点事件持续更新

ECHO用输出熵反馈调节回放权重

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

Shangxi Wu等提出面向大语言模型监督微调的ECHO闭环框架，用输出熵在线监测灾难性遗忘风险，并动态调节回放数据的梯度权重；作者称，该方法在0.6B至9B参数模型评测中处于或拓展了观察到的可塑性—稳定性前沿。 ECHO以输出熵作为风险代理，无需参考模型推理，并通过比例控制律调整回放权重。作者还称，该框架对不同数据混合比例保持较高运行稳健性。

AI 根据报道生成 · 3 小时前更新

最新进展10月28日 12:00

ECHO：通过动态反馈预防灾难性遗忘的熵控制稳态优化

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv · Machine Learning
ECHO：通过动态反馈预防灾难性遗忘的熵控制稳态优化
ECHO 是一种面向 LLM 监督微调（SFT）的闭环控制框架，通过输出熵作为在线代理实时监测灾难性遗忘风险，无需参考模型推理。该框架用比例控制律动态调节 replay 数据的梯度权重，在 0.6B 至 9B 参数模型评测中处于或拓展了观察到的 plasticity-stability frontier，并对不同数据混合比例保持较高运行稳健性。

本事件热度走势

可比范围当前: 7
可比范围峰值: 810月28日 21:00
近 24 小时变化: –

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。