Radar ·
iSDFT explora aprendizagem contínua em LLMs
Publicado em 22 de setembro de 2026, iSDFT descreve um método de aprendizagem contínua para LLMs baseado em autodestilação on-policy e proximidade informacional. O repositório reúne código de treinamento, checkpoints e resultados de avaliação.
Publicado em 22 de setembro de 2026, iSDFT apresenta um método de aprendizagem contínua para modelos de linguagem grandes, descrito como autodestilação on-policy com proximidade informacional. O material trata de uma abordagem para explorar a atualização contínua desses modelos.
O repositório do projeto disponibiliza código de treinamento, checkpoints e resultados de avaliação. Para consultar e verificar as afirmações, examine esses materiais e confira se os resultados correspondem à configuração e às métricas relatadas no repositório. Se usar IA para estudar ou aplicar o método, evite enviar dados pessoais ou conteúdo confidencial sem autorização e revise as políticas de tratamento da sua organização.
Fonte original: iSDFT: Self-Distillation Information-Proximal para Continual Learning