interference

探讨防止LLM代理相互干扰及干扰系统操作的技巧，重点关注多代理部署中的协调和安全措施。

本文提出将持续学习中的遗忘建模为任务间的干扰，并引入了干扰门控功能分配（IGFA），这是一种无需回放、无需Fisher信息的方法，根据任务几何结构共享或保护方向，当任务可分离时实现无损保留。

研究人员利用欧洲干扰事件的时间数据，识别出俄罗斯EKS卫星（包括Kosmos 2546）是造成欧洲大陆范围GPS干扰的源头，表明这可能是为未来冲突场景进行的测试。

一项来自斯坦福、MIT、哈佛和Anthropic的论文解释，大型AI模型能更好地学习稀有技能，因为训练期间它们遗忘更少；其额外容量保护弱学习信号不被常见任务覆盖。

本文通过建模差异化网络效应解决了从图数据中估计个体处理效应的挑战，提出了一种包含部分注意力和信息放大器的机制，以捕捉邻居的不同重要性和规模。实验表明，该方法性能优于现有方法。

本文提出，量子概率可以被理解为有限状态需求下情境时空形成的一个投影，将干涉和非交换性重新解释为来自固定经典时空投影的失配。

本文对大型语言模型中多语言知识编辑的向量合并方法进行了实证评估，发现共享协方差的向量求和是最可靠的策略，并指出任务奇异向量合并（TSVM）在减少多语言干扰方面的效果有限。