Plasticity without Collapse: Plasticity-Inducing Control Optimizer for Cross-Lingual Continual Pre-Training¶
会议: EMNLP 2026
论文: ACL Anthology
代码: https://github.com/infonet-gist/infonet-ai-pico
领域: 多语言与机器翻译
关键词: 跨语言持续预训练, 塑性与崩溃, 优化器级控制, 谱灵敏度监控, 坐标级效用门控
一句话总结¶
针对大语言模型在跨语言与跨领域持续预训练(CPT)中的稳定性-塑性两难困境,本文提出优化器级控制方法 PICO,通过坐标级效用门控衰减关键参数梯度、周期性矩阵谱灵敏度监控隐式退化,并以复合门控随机扰动激活冗余参数探索,在无需重放缓存或架构修改的前提下实现了正向迁移与最低的最坏阶段崩溃率。
研究背景与动机¶
现实部署中大语言模型必须持续吸收新语言规律与专业领域知识,而每次遭遇数据分布漂移都从头预训练在算力上不可承受,持续预训练(Continual Pre-Training, CPT)因而成为核心范式。然而,在多阶段跨语言与跨领域的连续数据流中,模型面临极为严苛的稳定性-塑性困境(Stability-Plasticity Dilemma):为了适应当前阶段的新语言分布而进行激进的参数更新,极易破坏先前阶段习得的通用与专业表征,引发灾难性遗忘(Catastrophic Forgetting);反之,过度保守的更新约束又会导致网络丧失可塑性(Loss of Plasticity),在新语种或新领域上欠拟合。现有方案通常从数据重放、学习率退火策略或参数高效模块(如 LoRA)切入,但这些方法普遍需要额外维护历史回放缓冲区、引入阶段专属启发式规则或调整模型架构,且本质上仍将底层优化器视作静态黑盒,未能从参数动力学根源调控表征冲突。
作者在初步诊断实验中揭示了现有优化器在跨语言 CPT 下的两个关键失效模式。首先,不同优化器在稳定性-塑性权衡中呈现出割裂的失效区间:SGD 与 Lion 呈现近乎零适配的惰性状态;Sophia 因 Hessian 预条件受损出现性能倒退;Adam 展现出最强的新领域塑性,却伴随着严重的负向后向迁移与断崖式遗忘;AdamW 虽略有平衡,但新领域塑性仅为 Adam 的三分之一。更关键的是,作者发现了明显的“损失-生成失真(Loss-Generation Mismatch)”:在韩语医疗到英语医疗的序贯训练中,韩语医疗验证集上的交叉熵损失随训练持续下降(3.5873 → 3.4363 → 3.3381),看似模型在不断精进,然而解码生成的 BLEU 分数却在第二阶段发生暴跌(0.1526 → 0.1056),说明单纯依赖训练损失监控无法察觉文本生成能力的实质性退化。此外,传统的后向迁移(BWT)与平均遗忘度(AvgF)等基于数据流均值的评价指标,极易被多个健康阶段的平稳分数所掩盖,无法有效暴露单个前序阶段发生毁灭性破坏的风险。为此,作者引入了最坏崩溃比率(Worst Collapse Ratio, WCR),专门衡量各个已学领域相对于其训练后历史峰值的最大相对衰退程度。
鉴于上述观察,本文主张摆脱重放与架构依赖,直接将跨语言 CPT 重构为优化器层面的状态动力学控制问题。通过在参数更新的最底层感知各个参数维度的重要性与权重矩阵的全局几何稳定性,优化器能够自主决定何时压制确定性破坏、何时注入探索噪声以恢复塑性。核心 idea:构建结构感知的控制优化器 PICO,在参数更新步中解耦结合坐标级效用门控(保护关键知识)、周期性矩阵级谱灵敏度监控(捕捉隐式表征退化并触发全局暂停)与复合门控随机扰动(激活低效用参数的探索塑性),在纯优化器层面协同实现正向迁移与最坏阶段崩溃的最小化。
方法详解¶
整体框架¶
PICO 完全遵循标准 PyTorch 优化器接口,直接作为 Adam/AdamW 的底层替代方案嵌入 CPT 训练流中。给定第 \(k\) 步全局优化器迭代中的参数张量 \(\theta^{(k)}\) 和当前损失梯度的反向传播结果 \(g^{(k)}\),PICO 不直接执行常规动量更新,而是通过三个协同机制构建受控更新映射:首先由坐标级效用门控模块(GATEU)评估元素级重要性并输出受保护的确定性梯度;随后由谱灵敏度监控模块(SPECFLAG)按调度周期(每 \(f\) 步)检查二维权重矩阵的主奇异值与谱集中度,若出现异常谱变动则激活矩阵级敏感标志与优化器组暂停标志;最后,复合门控根据效用与谱状态联合缩放高斯扰动尺度,将探索噪声注入未充分利用的冗余参数,并结合解耦权重衰减完成最终参数步进。
%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
A["输入:批次梯度 g 与当前模型参数 θ"] --> B["坐标级效用门控<br/>计算瞬时效用与EMA平滑,生成保护梯度"]
B --> C["矩阵级谱灵敏度监控<br/>幂迭代估计谱集中度,阈值退火触发结构暂停标志"]
C --> D["复合门控随机扰动注入<br/>效用与谱标志联合缩放高斯噪声,执行解耦更新"]
D --> E["输出:更新后模型参数 θ_next"]
关键设计¶
1. 坐标级效用门控:高价值参数在跨语言更新中遭受破坏性覆写 -> 效用统计量与自适应梯度衰减 -> 兼顾历史知识留存与新领域适配 在连续语言流中,当前语种计算得到的常规梯度会无差别地覆盖所有参数,造成关键多语言通用表征的不可逆遗忘。为此,PICO 引入坐标级效用门控(GATEU),为每个参数张量维护其一阶效用统计量。在张量更新步中,PICO 计算负参数-梯度外积作为瞬时效用代理 \(\text{instU}_\theta = -g \odot \theta\),该统计量反映了一阶 Taylor 展开下参数变动对损失的影响趋势。随后通过指数移动平均(EMA)进行时序平滑: $\(\text{avgU}_\theta^{(n_\theta)} = \beta_u \text{avgU}_\theta^{(n_\theta - 1)} + (1 - \beta_u) \text{instU}_\theta^{(n_\theta)}\)$ 经数值稳定偏置校正后,张量内利用无穷范数归一化因子 \(u_{\max, \theta} = \|\widehat{\text{avgU}}_\theta\|_\infty + \epsilon\) 将效用缩放至单位区间,并通过 Sigmoid 函数生成逐坐标的连续门控值 \(u = \text{sigmoid}(\widehat{\text{avgU}}_\theta / u_{\max, \theta}) \in [0, 1]\)。最终的确定性梯度被自适应衰减为: $\(\tilde{g} = g \odot (1 - u)\)$ 当某参数坐标的估计效用极高时,\(u \to 1\),其确定性梯度被大幅压制甚至归零,从而严格保护既有关键知识;而低效用坐标对应的门控值较小,允许梯度正常回传以学习新语言特性。
2. 矩阵级谱灵敏度监控:训练损失无法暴露生成退化与谱能量集中 -> 幂迭代主奇异值与谱集中度偏差双重检测 -> 捕捉隐式结构崩溃并触发暂停 元素级效用仅反映局部导数信息,无法感知矩阵整体的奇异值谱变形(如有效秩骤降或能量向单一主模态过度集中),而前述失真实验已证明交叉熵损失对此类退化毫无预警能力。PICO 设计了 SPECFLAG 模块,对所有二维权重矩阵 \(W \in \mathbb{R}^{d_{\text{out}} \times d_{\text{in}}}\) 以固定周期 \(f\)(如每 1 步或每 10 步)实施谱灵敏度巡查。模块首先通过热启动幂迭代(Warm-started Power Iteration,设迭代步数 \(K=1\))高效估计领先奇异值 \(\hat{\sigma}_1(W)\),并结合矩阵 Frobenius 范数 \(\|W\|_F^2 = \sum_l \sigma_l(W)^2\) 计算受限谱集中度指标: $\(\hat{\rho}_\epsilon(W) = \text{clip}_{[0, 1]}\left( \frac{\hat{\sigma}_1(W)^2}{\|W\|_F^2 + \epsilon} \right)\)$ 对于秩为 \(r_W\) 的矩阵,该比值理论上严格介于 \([1/r_W, 1]\) 之间,奇异值均等时达到下界,发生秩一崩溃时达到上界。SPECFLAG 分别为 \(\hat{\sigma}_1\) 与 \(\hat{\rho}_\epsilon\) 维护 EMA 均值与二阶方差代理。当任一统计量的标准化正向偏差 \(z = (x - \mu) / \sqrt{\tilde{\nu} + \epsilon}\) 超过动态退火阈值 \(\tau(c_W)\) 时,立即将该矩阵的敏感标志缓存置为 \(s_W = 1\),并在当前步激活组级扰动暂停开关 \(\pi = 1\)。通过双重谱指标监控,优化器能够在参数流形退化初露端倪时及时感知,而不受虚假损失下降的误导。
3. 复合门控随机扰动注入:持续优化导致神经网络塑性不可逆丧失 -> 效用与谱指标联合调控的自适应噪声注入 -> 激活低效用参数探索并消除严重崩溃 长周期的持续预训练极易使网络参数陷入尖锐极小值或饱和区,导致模型在新任务上失去表征重构能力(塑性丧失)。为解决此问题,PICO 显式构造了一条受控随机扰动路径,但其注入强度受到元素效用与全局谱状态的严格联合约束。扰动门控 \(m^{(k)}\) 整合了坐标级效用 \(u^{(k)}\)、缓存的矩阵谱标志 \(s^{(k)}\) 和当前步组暂停标志 \(\pi^{(k)}\): $\(m^{(k)} = (1 - u^{(k)})(1 - s^{(k)})(1 - \pi^{(k)})\)$ 基础扰动标准差 \(\sigma_0\) 被动态调制为 \(\sigma_k = \sigma_0 m^{(k)}\),并按独立高斯分布采样噪声 \(\xi^{(k)} \sim \mathcal{N}(0, \text{diag}(\sigma_k^2))\)。这一复合逻辑确保:仅当未触发任何谱敏感警报(\(s=0\) 且 \(\pi=0\))时,低效用参数(\(u \to 0\))才会接收完整的探索噪声,促使其逃离次优平原并保持参数流动性;而一旦矩阵出现谱异常或参数自身具备高效用,扰动通道立即被硬截断。最终更新结合解耦权重衰减 \(\lambda\) 完成: $\(\theta^{(k+1)} = (1 - \eta \lambda)\theta^{(k)} - \eta (\tilde{g}^{(k)} + \xi^{(k)})\)$ 该机制将探索限制在安全子空间中,有效避免了无差别噪声导致的性能崩塌。
损失函数 / 训练策略¶
PICO 在主训练流中沿用因果语言建模的自回归交叉熵损失,不增加任何辅助损失项或正则化目标,所有干预均发生在优化器参数更新内部。主要训练超参数设定为:基础学习率 \(\eta = 2 \times 10^{-5}\),解耦权重衰减系数 \(\lambda = 0.01\),效用与谱统计 EMA 平滑系数 \(\beta_u = 0.999\),基础扰动尺度 \(\sigma_0 = 0.001\)。谱检测周期主实验设为 \(f = 1\)(扩展实验与模型缩放设为 \(f = 10\)),幂迭代步数 \(K = 1\)。阈值退火策略中,前 \(c_0 = 10\) 次检查为纯统计预热阶段不触发标志,随后在 \(r = 30\) 次检查区间内将判定阈值从 \(\tau_{\text{start}} = 6.0\) 线性退火收敛至 \(\tau_{\text{end}} = 3.0\);数值稳定常数取 \(\epsilon = 10^{-12}\)。在单卡 A100-40GB 上,谱监控带来的平摊算力复杂度为 \(\mathcal{O}((K+1)d_{\text{out}}d_{\text{in}} / f)\),当 \(f=1\) 时单步耗时相对 AdamW 增加 34.5%,放宽至 \(f=10\) 时耗时开销迅速下降至 20.0%,且额外维护的状态空间完全独立于 CPT 的连续阶段总数。
实验关键数据¶
主实验¶
主实验在 Llama-3.2-1B-Instruct 基座上开展跨越韩语医疗、英语医疗、韩语法律与英语法律的四阶段序贯 CPT,序列长度设为 256。所有方法在完成整个连续预训练流后,采用严格的纯提示词零样本(Prompt-only Zero-shot)生成协议在独立的下游任务集(医疗问答、法律案例摘要及问答)上进行评估。
下表摘录了论文核心基线与 PICO 在医疗与法律领域跨语言的最终生成表现(数值截断至四位小数):
| 领域 | 语言 | 模型 / 方法 | ROUGE-L ↑ | 余弦相似度 ↑ | METEOR ↑ | BLEU ↑ | Token F1 ↑ |
|---|---|---|---|---|---|---|---|
| 医疗 | 英语 | Initial Model (参考基线) | 0.1498 | 0.4635 | 0.1966 | 0.0342 | 0.2223 |
| 医疗 | 英语 | Sophia (二阶优化) | 0.0464 | 0.1290 | 0.0622 | 0.0010 | 0.0835 |
| 医疗 | 英语 | SGD (一阶标准) | 0.0834 | 0.2339 | 0.0743 | 0.0127 | 0.0929 |
| 医疗 | 英语 | Adam (一阶标准) | 0.0173 | 0.0400 | 0.0282 | 0.0002 | 0.0443 |
| 医疗 | 英语 | EWC W.Adam (正则化) | 0.0558 | 0.1390 | 0.0536 | 0.0039 | 0.0628 |
| 医疗 | 英语 | Replay W.Adam (重放) | 0.0311 | 0.1171 | 0.0326 | 0.0030 | 0.0474 |
| 医疗 | 英语 | MER-Replay W.Adam (重放) | 0.0857 | 0.2500 | 0.0820 | 0.0034 | 0.1290 |
| 医疗 | 英语 | LoRA W.Adam (PEFT) | 0.0462 | 0.2213 | 0.0460 | 0.0077 | 0.0531 |
| 医疗 | 英语 | Re-warm W.Adam (调度) | 0.0735 | 0.2206 | 0.0732 | 0.0127 | 0.0961 |
| 医疗 | 英语 | PICO (本文方法) | 0.1505 | 0.4387 | 0.1851 | 0.0344 | 0.2233 |
| 医疗 | 韩语 | Initial Model (参考基线) | 0.1474 | 0.2285 | 0.1733 | 0.0608 | 0.2461 |
| 医疗 | 韩语 | Sophia (二阶优化) | 0.0092 | 0.0014 | 0.0287 | 0.0001 | 0.0246 |
| 医疗 | 韩语 | SGD (一阶标准) | 0.1099 | 0.2196 | 0.1476 | 0.0520 | 0.1962 |
| 医疗 | 韩语 | Adam (一阶标准) | 0.0098 | 0.0015 | 0.0229 | 0.0006 | 0.0318 |
| 医疗 | 韩语 | EWC W.Adam (正则化) | 0.0173 | 0.0098 | 0.0242 | 0.0015 | 0.0265 |
| 医疗 | 韩语 | Replay W.Adam (重放) | 0.0681 | 0.0841 | 0.0875 | 0.0188 | 0.1963 |
| 医疗 | 韩语 | MER-Replay W.Adam (重放) | 0.1015 | 0.1269 | 0.0962 | 0.0300 | 0.2107 |
| 医疗 | 韩语 | LoRA W.Adam (PEFT) | 0.0370 | 0.0799 | 0.0508 | 0.0122 | 0.0610 |
| 医疗 | 韩语 | Re-warm W.Adam (调度) | 0.1172 | 0.2117 | 0.1576 | 0.0565 | 0.2176 |
| 医疗 | 韩语 | PICO (本文方法) | 0.1378 | 0.2067 | 0.1589 | 0.0563 | 0.2236 |
| 法律 | 英语 | Initial Model (参考基线) | 0.2012 | 0.6596 | 0.1621 | 0.0255 | 0.2684 |
| 法律 | 英语 | Sophia (二阶优化) | 0.0577 | 0.1794 | 0.0482 | 0.0037 | 0.0961 |
| 法律 | 英语 | SGD (一阶标准) | 0.1254 | 0.4530 | 0.0942 | 0.0109 | 0.1663 |
| 法律 | 英语 | Adam (一阶标准) | 0.0091 | 0.0196 | 0.0058 | 0.0000 | 0.0345 |
| 法律 | 英语 | EWC W.Adam (正则化) | 0.0441 | 0.1194 | 0.0340 | 0.0000 | 0.0804 |
| 法律 | 英语 | Replay W.Adam (重放) | 0.0216 | 0.4232 | 0.0144 | 0.0003 | 0.0453 |
| 法律 | 英语 | MER-Replay W.Adam (重放) | 0.1509 | 0.5973 | 0.1040 | 0.0103 | 0.1809 |
| 法律 | 英语 | LoRA W.Adam (PEFT) | 0.0877 | 0.4428 | 0.0618 | 0.0064 | 0.1136 |
| 法律 | 英语 | Re-warm W.Adam (调度) | 0.1717 | 0.5598 | 0.1284 | 0.0201 | 0.1914 |
| 法律 | 英语 | PICO (本文方法) | 0.1939 | 0.6305 | 0.1473 | 0.0236 | 0.2490 |
| 法律 | 韩语 | Initial Model (参考基线) | 0.0641 | 0.1061 | 0.0743 | 0.0228 | 0.2289 |
| 法律 | 韩语 | Sophia (二阶优化) | 0.0087 | 0.0004 | 0.0166 | 0.0000 | 0.0243 |
| 法律 | 韩语 | SGD (一阶标准) | 0.0474 | 0.0999 | 0.0614 | 0.0186 | 0.1987 |
| 法律 | 韩语 | Adam (一阶标准) | 0.0168 | 0.0011 | 0.0171 | 0.0005 | 0.0368 |
| 法律 | 韩语 | EWC W.Adam (正则化) | 0.0204 | 0.0037 | 0.0153 | 0.0010 | 0.0315 |
| 法律 | 韩语 | Replay W.Adam (重放) | 0.0835 | 0.0517 | 0.0490 | 0.0090 | 0.2234 |
| 法律 | 韩语 | MER-Replay W.Adam (重放) | 0.0566 | 0.1105 | 0.0643 | 0.0170 | 0.2392 |
| 法律 | 韩语 | LoRA W.Adam (PEFT) | 0.0180 | 0.0234 | 0.0209 | 0.0029 | 0.0547 |
| 法律 | 韩语 | Re-warm W.Adam (调度) | 0.0629 | 0.1120 | 0.0719 | 0.0251 | 0.2368 |
| 法律 | 韩语 | PICO (本文方法) | 0.0655 | 0.0905 | 0.0630 | 0.0179 | 0.1969 |
消融实验¶
为定量剥离 PICO 内部各组件对前向迁移、后向迁移及最坏崩溃的贡献,作者在四阶段基准流上进行了严格的消融实验(均基于 1B 模型,ROUGE-L 评价,谱检测周期 \(f=1\)):
| 消融配置 | 正向迁移 (FWT) ↑ | 反向迁移 (BWT) ↑ | 平均遗忘 (AvgF) ↓ | 最终均值 (Average) ↑ | 最坏崩溃比率 (WCR) ↓ | 说明 |
|---|---|---|---|---|---|---|
| Full PICO (完整模型) | +0.0009 | -0.0035 | 0.0044 | 0.1369 | 0.0553 | 保持正向迁移与最低崩溃率 |
| w/o SPECFLAG (去谱监控) | +0.0004 | -0.0015 | 0.0093 | 0.1315 | 0.1400 | WCR 恶化 153%,谱保护失效 |
| w/o noise (\(\sigma_0=0\), 去扰动) | -0.0179 | -0.0105 | 0.0116 | 0.0921 | 0.1624 | FWT 转负且均值显著下跌 32.7% |
| w/o GATEU, SPECFLAG, noise | -0.0286 | -0.0313 | 0.0313 | 0.0423 | 0.4709 | 蜕化为无控更新,发生严重崩溃 |
在模型尺度扩展研究中(固定 \(f=10, \sigma_0=0.001\)),PICO 展现了跨尺度的有效性与非单调敏感度: - 1B 模型: FWT = +0.0002, BWT = -0.0026, AvgF = 0.0026, 均值 = 0.1354, WCR = 0.0450 - 3B 模型: FWT = +0.0012, BWT = -0.0188, AvgF = 0.0227, 均值 = 0.1299, WCR = 0.3292 - 8B 模型: FWT = -0.0001, BWT = -0.0144, AvgF = 0.0182, 均值 = 0.1397, WCR = 0.1957
关键发现¶
- 最坏崩溃与正向迁移的独占突破:在所有对比的已训练基线中,仅有 PICO 在 ROUGE-L 上达成了正向迁移(\(\text{FWT} = +0.0009\)),其他所有基线(包括 Adam 的 -0.0979 与 Sophia 的 -0.1259)均处于负向迁移区域;同时 PICO 取得了最低的 WCR(0.0553),而 Adam 的 WCR 高达 0.9184(最坏阶段遗忘了 91.8% 的后训练能力),即便表现最好的重放类基准 MER-Replay 其 WCR 亦有 0.2724。
- 消融机制互补性:移除 SPECFLAG 会导致 WCR 从 0.0553 激增至 0.1400,证实矩阵谱监控是抵御局部灾难性崩溃的核心屏障;而移除门控随机噪声直接使 FWT 跌落至 -0.0179 且全任务均值大幅缩水,证实随机扰动在防止优化器饱和、维持连续学习塑性中扮演了不可替代的角色。
- 尺度敏感性与非单调性:扩展至 3B 和 8B 时,WCR 呈现先升后降的非单调波动(0.0450 → 0.3292 → 0.1957),说明网络宽度与深度扩大后,层间谱动态在分布式分片或更大容量下的表现更为复杂,未展现尺度不变的稳定性,但整体仍显著优于常规优化器。
亮点与洞察¶
- 优化器作为控制中枢的范式转变:跳出了过往依赖外挂重放缓冲区或冻结结构(LoRA)的思维定势,直接在优化器底层通过“保护重要坐标 + 扰动探索冗余维度”实现了细粒度动态平衡,避免了额外的数据流侵入与阶段切换开销。
- 谱集中度指标化解损失虚假繁荣:揭示并解决了“交叉熵损失持续下降而生成质量暴跌”的失真现象。通过 warm-started 幂迭代引入一阶谱集中度比值 \(\hat{\rho}_\epsilon\),构建了独立于文本损失的流形退化警报器,兼具数学严谨性与平摊低开销。
- 通用可迁移性:坐标级效用门控与谱敏感度监控的设计并不绑定于具体的语言模型架构,可作为通用即插即用组件推广至跨模态持续学习、多轮指令微调(SFT)防遗忘以及在线强化学习探索等非平稳数据流场景。
局限与展望¶
- 作者承认的局限:实验数据流主要覆盖英语、韩语及扩展西班牙语,尚未在几十种低资源语种组成的极长大流中验证;谱状态计算目前在单卡或纯数据并行下验证完备,但在更大规模的张量并行或 FSDP 分片参数下,一维分片视图可能绕过二维矩阵谱检查,需开发分布式协同谱估计;优化器内部维护了 fp32 效用 EMA 与主参数备份,显存常驻开销比 AdamW 多约 4.6 GiB。
- 潜在改进方向:当前 PICO 仅作为独立优化器评测,未来可进一步探索将其与参数高效微调(如 LoRA)或稀疏体验重放相结合的混合策略,评估不同层级干预手段的协同效应;针对超大模型,可探索低秩近似或抽样层检查以进一步降低谱监控计算与显存占用。
相关工作与启发¶
- vs Adam / AdamW: 常规自适应矩估计在非平稳数据流下会破坏性覆写前序特征,Adam 极易导致严重的后向遗忘(WCR > 0.9);PICO 继承了一阶优化的简易性,通过坐标级效用衰减梯度并注入有控扰动,在保留自适应特性的同时成功遏制了表征崩塌。
- vs EWC / 正则化方法: EWC 依赖各阶段结束时的 Fisher 信息矩阵二次惩罚,其状态开销随任务数增加而线性累积,且对跨语言大幅分布偏移的保护能力有限(EWC WCR 达 0.7287);PICO 维护固定维度的常驻优化器状态,不随阶段数膨胀,且直接在更新步截断梯度破坏。
- vs 经验重放方法 (Replay / MER-Replay): 重放方法依赖在显存和磁盘中缓存历史数据切片并构造混合批次,存在隐私合规与数据存储壁垒,且其 FWT 依然为负;PICO 属于无重放(Replay-free)范式,不仅免除了数据合规隐患,且在纯优化步调控下取得了更优的跨语言迁移与最低崩溃率。
评分¶
- 新颖性: ⭐⭐⭐⭐⭐ 首次从优化器控制理论角度系统解决跨语言 CPT 的稳定性-塑性两难,提出谱监控与扰动门控结合的全新机制。
- 实验充分度: ⭐⭐⭐⭐⭐ 涵盖 4 种语种-领域组合、多类优化与重放基线、严格的纯提示词生成评测、详尽消融及跨尺度扩展。
- 写作质量: ⭐⭐⭐⭐⭐ 理论推导清晰完备,失真现象分析深入透彻,实验数据诚实客观,局限性与复现细节交代极为周详。
- 价值: ⭐⭐⭐⭐⭐ 为大语言模型在多语言和垂直领域的连续生命周期演进提供了高效、免重放且鲁棒的底层优化新路径。