20260601

concepts/knowledge-adaptation.md

@@ -0,0 +1,41 @@
+---
+title: "知识适应 (Knowledge Adaptation)"
+created: 2026-05-21
+type: concept
+tags: ["continual-learning", "knowledge-injection"]
+sources: ["[[when-large-multimodal-models-confront-evolving-knowledge]]"]
+---
+
+# 知识适应 (Knowledge Adaptation)
+
+## 定义
+
+知识适应是[[evolving-knowledge-injection|进化知识注入]]的首要目标，指 LMM 在接触新知识后，能在**未见过的评估问题**上准确泛化。
+
+## 形式化
+
+max E [ I(M*(i_q, x_q) = y_q) - I(M(i_q, x_q) = y_q) ]
+
+即最大化注入后模型 M* 相对原始模型 M 在评估数据 D_Q 上的准确率增益。
+
+## MMEVOKE 上的适应表现
+
+| 方法 | LLaVA-v1.5 CEM | Qwen-VL-Chat CEM |
+|------|---------------|-----------------|
+| Vanilla（零样本） | 4.89% | 5.84% |
+| Full-FT | 18.02% | 10.16% |
+| LoRA | 15.23% | 6.95% |
+| MM-RAG UniIR | 40.68% | 32.75% |
+| Sufficient Context | 56.78% | 49.98% |
+
+## 关键发现
+
+1. **所有方法表现不佳**——即使最佳方法（Sufficient Context）也仅达 56.78%
+2. **知识感知增强**可进一步提升适应能力
+3. **知识适应 ≠ 数据记忆**——模型需要"内化"知识而非"背诵"数据
+
+## 参见
+
+- [[knowledge-retention|知识保留]]
+- [[knowledge-aware-augmentation|知识感知增强]]
+- [[sufficient-context-paradox|充分上下文悖论]]