title: "Continual Learning via Sparse Memory Finetuning" source: "https://arxiv.org/abs/2510.15103" paper: "15-sparse-memory-finetuning.pdf" status: deep-read-v1 tags: - continual-learning - large-language-models - 02-continual-pretraining - 15-sparse-memory-finetuning
Continual Learning via Sparse Memory Finetuning
[!abstract] 一句话结论 只更新对新知识高度激活、但在预训练数据中较少使用的记忆槽，以稀疏参数写入降低知识覆盖。
TL;DR
| 维度 | 精读结论 |
|---|---|
| 研究问题 | 全量微调和 LoRA 都可能让新知识更新触碰大量承载旧能力的参数。 |
| 核心方法 | 在 memory-layer 模型中用类似 TF-IDF 的相对激活分数选择 memory slots，只对少量目标槽执行微调。 |
| 主要证据 | 在问答实验中，新知识学习相当时，论文摘要报告旧能力 F1 降幅约为：全量微调 89%、LoRA 71%、稀疏记忆微调 11%。 |
| 路线定位 | 稀疏参数记忆 / 持续更新 |
- 原始页面：https://arxiv.org/abs/2510.15103
- 本地原文：[[15-sparse-memory-finetuning.pdf]]
- 相关主题：[[大模型持续学习]] · [[灾难性遗忘]] · [[稳定性-可塑性权衡]]
1. 研究问题与论文定位
全量微调和 LoRA 都可能让新知识更新触碰大量承载旧能力的参数。
阅读这篇论文时，先确认它假设的是离线任务序列、在线数据流、知识编辑流还是跨会话智能体经验流；不同数据访问权限下，方法的可比性完全不同。
2. 方法拆解
在 memory-layer 模型中用类似 TF-IDF 的相对激活分数选择 memory slots，只对少量目标槽执行微调。
可用四个问题检查方法本质：旧信息保存在哪里？新信息写到哪里？何时选择/路由？冲突时由哪个目标函数或验证器裁决？
关键图示
图示用于快速恢复论文结构；若 PDF++ 显示裁剪偏移，请按该页版式微调 rect。
3. 实验与关键证据
在问答实验中，新知识学习相当时，论文摘要报告旧能力 F1 降幅约为：全量微调 89%、LoRA 71%、稀疏记忆微调 11%。
读实验表时应同时核对：最终平均性能（ACC）、后向迁移/遗忘（BWT/F）、新任务可塑性、通用能力、数据/参数/算力预算，以及推理时是否已知任务 ID。
4. 与相邻路线的关系
- Replay 直接近似旧分布，通常强但涉及存储、隐私和采样偏差。
- 正则化/梯度约束 限制重要参数或有害方向，额外参数少但依赖重要性近似。
- PEFT/子空间/模块化 隔离更新，训练经济，但会引入容量增长、路由与任务边界问题。
- 外部记忆/智能体技能 更新快且可解释，却可能只是在上下文里“查到”，未必形成稳健能力。
5. 局限与反例
依赖具备显式 memory layer 的架构；激活稀疏并不自动保证语义隔离，槽位容量与长期饱和仍待验证。
建议专门寻找反例：任务顺序反转是否仍成立？新旧任务高度相似或直接冲突时怎样？不允许旧数据、不给任务 ID、固定总参数和总 token 后，优势是否保留？
6. 复现与延伸研究
重点复核 TF-IDF 选槽稳定性、长期任务数扩展和不同问题改写下的知识泛化。
最小复现实验
- 先复现 naive sequential FT、等预算 replay 和一个 PEFT 基线。
- 固定任务顺序、总训练 token、可训练参数与推理上下文预算。
- 每个阶段都保存 checkpoint，画完整的适应—遗忘轨迹，而非只报最终点。
- 额外测通用能力、安全/对齐、延迟、显存与数据保留量。
7. 我的判断
这篇工作的主要价值位于 稀疏参数记忆 / 持续更新。它是否值得直接用于真实系统，不只取决于论文内分数，还取决于旧数据访问、任务边界、容量增长和错误回滚是否符合你的部署约束。
[!question] 带着问题继续读 - 它实现的是知识保持、能力保持，还是仅仅保持了 benchmark 输出格式？ - 方法优势来自机制本身，还是更多计算、更多参数、更多历史数据？ - 如果学习流持续一年而非十个任务，哪一项资源最先耗尽？