港大提出RaPO强化微调抗遗忘方法

香港大学俞益洲团队提出强化微调算法 RaPO，用于抑制多模态大模型在视觉持续学习中的灾难性遗忘。团队称，标准 GRPO 存在“轨迹级漂移不可知性”缺陷，RaPO 通过 Retention Reward 与跨任务优势归一化 CTAN 来应对。 RaPO 可即插即用地接入现有 PPO/GRPO 训练框架，并在 5-shot 低资源设定下验证；代码已开源。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。