adapter

MAAT 提出了一种多阶段 LoRA 适配器遗忘方法，并配套了 5WBENCH 基准测试。该研究揭示，由于因果性“为什么”知识涉及长程多跳答案链和梯度稀释问题，这类知识在遗忘时特别困难。在 Llama 3.2-3B 模型上，该方法在遗忘与保留之间取得了优异的平衡。

提出DIVE，一种用于嵌入维度缩减的压缩适配器，采用自限制梯度更新和头部级NT-Xent对比损失，防止在小数据集上过拟合，在BEIR基准测试上优于现有方法。

本文为视觉-语言-动作（VLA）模型引入了一种信息瓶颈适配器（IB-Adapter），旨在提升模型在未见过的视觉干扰下的鲁棒性，且无需额外数据，在极小的参数开销下实现了高达30%的性能提升。

微软全新的 Teams TypeScript SDK 让开发者只需三行 HTTP 服务器适配代码，就能把现有 AI Agent 或机器人暴露为 Teams 应用，实现 Slack 与 Teams 共用一套 Agent 逻辑。