AI图鉴

AI图鉴首页 › AI 资讯 › 睡眠框架:LLMs在持续学习中保留知识的新方法

睡眠框架:LLMs在持续学习中保留知识的新方法

来源:Google Research · 发布时间:10-28 · 由 AI图鉴每小时自动聚合

本条资讯的摘要暂未整理出来,可点击下方按钮查看原文;本站每小时自动补充中文摘要。

2026年10月27日 (英语).

Ali Behrouz和Vahab Mirrokni, Google研究

我们在持续学习中引入了睡眠阶段,使大型语言模型能够不断融合新事实,增强推理,同时减轻灾难性的遗忘或静态的知识断层。

现代LLMs通过预训和内文学习(ICL)取得了令人印象深刻的表现。 然而,一旦部署,它们基本上保持静止状态,在固定的知识截止日期运作,使其无法获得长期能力或适应新信息。

虽然用新数据更新模型似乎是显而易见的解决办法,但持续的参数更新往往引发灾难性的遗忘,而学习新任务将严重削弱以往学习过的绩效。 或者,严格依靠ICL将知识保留限制在直接上下文窗口:一旦上下文会话结束,收购的短期信息就会被遗忘。

受人类大脑如何在休息期间处理和稳定记忆的启发,我们引入了持续学习中的睡眠框架:一种学习范式,使大型语言模型(LLMs)具有连续的周期性生命周期,使他们能够不断学习,将脆弱的短期环境整合为稳定的长期参数。 通过这个框架,我们表明,在主动交互和离线内存合并之间的交替,LLMs可以不断获取新的事实,保留长达10M令牌的长文知识,并改善复杂的推理。

传统的机器学习依赖于严格区分培训和推论。 在不断学习的框架内,这种区分变得人为的;一个聪明的agent必须不断学习,适应和处理信息。

在睡眠模式下,LLM运行于两个初级州:

- 活动(醒悟)阶段:模型积极接收,处理,并与输入进行交互,将临时信息存储在快速,短期内存组件中。

- 睡眠阶段:模型暂停处理新的输入,并将其内部计算转向内存合并和自我改进。

虽然"睡眠","梦想","自我改善"等术语借用神经科学,但我们的框架完全在固定的模型架构和人定义的训练规则中运作。 在离线睡眠阶段,模型解锁预分配的Mixture-of-Experts(MOE)内存块,并使用自生成的实践实例更新其数值权重。 这个自动化的训练后周期有助于部署的模型吸收新的事实,提高其推理精度,同时保持核心代码基础和设计不变。

睡眠范式通过两个阶段解决灾难性的遗忘和持续的适应问题:记忆巩固和梦想。

在人类大脑中,非快速眼动(NREM)慢波睡眠通过抽象和蒸馏将脆弱的记忆整合为长期结构。 我们提议的睡眠框架通过两个关键技术机制反映了这种自然现象:

- 参数扩展和连续内存结构:为了防止灾难性的遗忘,模型在睡眠时动态地缩小其容量。 新解锁的低级专家采用专家混合结构(MoE)和希望架构(Hope architecture)整合为稳定,低频的内存块,在不干扰旧参数的情况下存储传入的知识。

- 知识种子(上衍射):储存在高频层的脆弱短期记忆(如内隐记忆)被转移到新扩展的长期参数中。 这是通过通用知识消化(GKD)与基于强化学习(RL)的模仿学习相结合实现的:

- 政策蒸馏:扩大的学生模式从自采样序列产生的教师分发中学习特定符号反馈。

- 学习模仿(LTI):学生模型在完成教师生成的文本的前缀时,根据语义学和绝对相似性(Levenshtein star)得到奖励。

– 突触穿梭:内存整合为低频模块完成后,高频临时参数被重置,为未来活动会话腾出能力。

在REM睡眠期间,人类大脑积极模拟各种情景,巩固情感/语义联系,探索新的神经途径。 反之,在“梦想阶段”中,睡眠框架执行一个自主的自我改进循环:

- 随机专家选择:在合成数据生成过程中,MOE路由器随机激活非标准专家。 这迫使模型将不同的知识领域混为一谈,并发现潜在的模式。

- 解析排练:该模型生成合成训练样品("梦想"),并使用梯度数据选择进行过滤,以优先排列具有最大潜力的样品,提升整体模型能力。

- RL精细化:该模型在顶级的梦样上执行监督的微调,并评价该一代是否改善了下游任务的表现。

除了实证结果外,我们的睡眠范式还基于一个理论,该理论澄清了为什么其两个阶段(记忆巩固和梦想)能够支持持续学习,而不会简单地用新知识换取旧能力。

对于内存整合,分析显示,知识种子可以理解为结构化,低级压缩问题。 该模型没有被要求将它短期痕迹的所有细节复制到它的参数中。 相反,它确定了一套紧凑的方向,以最好地保存模型本身的政策行为和学习目标所奖励的语义素质。

这一视角解释了两个信号的互补作用:政策提炼与模型在推论时实际产生的轨迹一致,减少只在教师生成的分布方面进行培训时可能出现的不匹配现象;同时,语义奖励改变了值得保留的方向,确定了保留意义和任务相关行为的方向,而不仅仅是匹配象征性概率。 然后,参数扩展提供了编写这些选定的记忆而无需覆盖先前合并的知识所需的能力。

对于梦境,该理论将随机专家激活和基于奖励的样本选择定性为改进学习几何机制。 注入不同的MOE拓宽了合成生成过程中探索的梯度方向,使模型的更新收集比普通的守夜数据本身所引发的更新更加丰富。 渐变式滤波然后强调带有最有用的学习信号的合成经验,加强信息化方向,同时保留基本梯度空间的结构。

这些步骤共同产生一个更加均衡的优化景观:学习较少被少数方向所支配,梯度条件较好,模型在完善能力时可以取得更稳定的进展。 在这种观点中,梦想不仅仅是自我生成的数据增强;它是一个有意使模型自我改进的更新多样化、选择和整合的过程。

就连续翻译而言,如满洲语和卡拉芒语,睡眠框架在多阶段评价中维持了近零的性能下降,而ICL、Cartridges和受监督的微调(SFT)等标准基线则在连续学习过程中遭受严重的灾难性遗忘。

在对BABILong 基准测试的长文理解中,我们的睡眠方法展示了近乎完美的放大到10M令牌,表现优于GPT-4等强基线,泰坦斯通过使用睡眠时间合并将长文信息直接压缩成参数内存。

关于在SQuAD和持续预训(CPT)上评估的事实知识纳入,我们的睡眠方法在单任务上达到了48.9%,在CPT评价上达到了46.2%,表现优于基准方法,包括基础模型、SFT和自适应语言模型(SEAL),成功地整合了新的事实信息,同时不贬低了现有的模型表述。

最后,根据数学推理基准测试包括AIME 24/25和HMMT 25,睡眠增强基模分别实现了79.2%,69.0%和46.1%的精度分数。 这种表现超过了SFT,组类相对政策优化(GRPO),以及政策上自我消化(OPSD)等基线,表明将内存整合与仿真学习进行配对会驱动优异的推理性能。

我们的睡眠模式提供了一条通往自主、不断学习人工智能系统的道路。 通过超越静态的预训和脆弱的上下文windows,在主动学习和离线休息之间交替,LLMs可以使LLMs保留短期记忆,抽象的新技能进入长期参数结构,并不断自我改进而不会灾难性的遗忘。

这项研究由阿里·贝赫鲁兹(Google和康奈尔大学),法尔诺什·哈希姆(科内尔大学),阿德尔·贾万马尔德(Google和南加州大学)和瓦哈布·米尔罗克尼进行。 我们感谢袁登和科林纳·科尔特斯审查这项工作及其宝贵建议。 我们也感谢马克·辛伯格(Mark Simborg),金伯利·施威德(Kimberly Schwede)

×

❮

❯

×

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(research.google)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 593 款 AI 工具分类导航 · 每日 AI 热门项目与动态