南加州大学和 Google Research 提出通道式轻量级重编码（CLR）方法，用于解决大语言模型持续学习中的灾难性遗忘问题。CLR方法引入轻量级模块，通过重编程每层通道特征图，允许模型适应新任务，仅占0.6%的额外参数。采用动态网络方式，CLR方法实现多任务持续学习，提供更好性能和灵活性，为未来的持续学习研究和应用带来新机会。