arXiv · cs.CL· Maoqi Liu·· 21 天前AI 评分47
CoDe-LoRA：通过知识巩固与解耦缓解 LLM 持续学习中的正交困境
CoDe-LoRA: Mitigating the Orthogonality Dilemma in Continual Learning of LLMs via Knowledge Consolidation and Decoupling
来源与原文
arXiv · cs.CL
作者：Maoqi Liu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.08312v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
CoDe-LoRA 是一种免回放的大语言模型持续学习方法，用于解决 O-LoRA 等正交投影方法因严格参数隔离导致跨任务知识难以迁移积累的“正交困境”。该方法将学习拆解为巩固通用知识与解耦任务特定知识，借助自适应零空间投影和语义路由实现平衡。在 4 个骨干模型和 3 个持续学习基准上取得最佳平均准确率，代码已开源。
来源：arXiv · cs.CL · arxiv.org