# 中科大两篇顶会论文：教多模态大模型持续学新知识，同时不忘旧本事

> 原标题：教大模型终身学习！中科大连发两篇顶会，突破「知识注入」双重困境

- 来源：新智元 · 公众号
- 发布时间：2026-05-21T09:30:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/25809
- 原文：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652702134&idx=3&sn=54be7016ca6aafdc67d4ad1385e81f05

## 摘要

中科大团队在顶会上发了两篇工作，专门解决多模态大模型“学新忘旧”的问题。一篇是 MMEVOKE，搞了一个包含 159 个子类、9422 个样本的评测集，用来检验模型在持续学习中会不会把之前的知识覆盖掉。另一篇是 KORE，提出用知识树扩充样本，再通过零空间约束微调来减少遗忘。正文没披露具体性能数字和训练成本，但思路很明确：让模型像人一样，学了新东西还能...

## 推荐理由

HKR-K 和 HKR-R 都站得住：文章给出了数据集规模和具体的微调机制。不过这只是论文阶段的知识注入方案，没有生产环境的验证或完整的复现细节，所以先打个折，放在低 featured 档。

## 锐评

中科大这两篇顶会工作瞄准的是多模态大模型的一个老毛病：教它认新东西，它就把旧的忘了。MMEVOKE 先搭了个包含 159 个子类、9422 个样本的评测集，专门检验这种“学新忘旧”的程度。KORE 则给出解法，用知识树把样本扩展开，再通过零空间约束微调，让模型更新参数时尽量不踩到旧知识的区域。思路很清晰，相当于给模型划了条线，新知识往里塞，旧知识别碰。

但正文没披露具体性能数字和训练成本。没有准确率提升多少、遗忘率降了多少，也没说这套方法在 LLaVA 或 Qwen 上跑一轮要多少算力。对从业者来说，知道思路只是第一步，能不能在有限预算下复现才是关键。另外，9422 个样本的评测集规模不算大，159 个子类的覆盖度是否够用，也需要看具体任务场景。如果后续能补上消融实验和成本分析，这套方法的实用价值会更清楚。