摘要
针对动态金融环境中大语言模型面临的事实准确性挑战,本文提出 CACHE-UK 框架。该方法专为领域特定的量化模型设计,通过秩 -1 LoRA 扰动机制限制编辑空间,结合金融领域优先级模块与闭环稳定性控制器,有效追踪并防止连续更新中的灾难性遗忘。实验表明,在 4-bit 量化约束下,该方法显著降低了知识退化率并提升了泛化能力,证明了稳定性感知编辑在资源受限部署中的有效性。
AI 推荐理由
论文核心提出稳定性感知记忆编辑框架,解决量化模型连续更新中的灾难性遗忘问题。
研究机构
Indian Institute of Technology Madras, Chennai, India
University of Birmingham, Birmingham, United Kingdom
论文信息