Cortex：把上下文经验固化为参数记忆
拿走上下文后保留多少收益，连续更新又会忘掉多少旧知识？
Cortex 用同一模型带上下文时的回答分布监督不带上下文的学生，在前馈层中更新低秩参数或增加新通道。它把单次、批量和连续记忆写入放到同一框架中，区分目标能力吸收与非目标能力保留；连续事实编辑仍依赖回放，不能理解为冻结旧参数即可永不遗忘。
Jintian Zhang、Ningyu Zhang 等研究团队阅读简报
2026.10.16 简报
每日研究 · 覆盖 2026.10.09 — 2026.10.16
以下为当期记录；研究详情页展示最新已核对信息。
3 项工作
HPD：把智能体运行时约束变成训练监督
为什么会调用工具的模型仍会漏做步骤、过早结束？
HPD 将运行时的义务、调度和结束条件编译成训练期控制文档，再把文档与经过验证的动作共同蒸馏进模型。关键不是增加部署提示词，而是让原生历史输入对应可执行的下一步；论文同时表明合规、参考路径和最终完成率必须分开看。
南京大学 Junze Zhu 等阅读简报
LoOPSD：重复一段网络层，给原模型造一个教师
不换更大模型，怎样用层循环改善学生自己的推理？
LoOPSD 先在少量带答案题目上搜索值得重复执行的连续层区间，以同一组权重构造更深的教师，再蒸馏学生原始路径采样的回答。每轮重新搜索，最终部署仍走原始网络；搜索需要标签与额外计算，推理收益也不保证逐轮单调。
Wei Fan、Qingyue Yang、Chao-Hong Tan 等研究团队阅读简报
人物与观点
0 条该期没有收录这个领域的人物动态。