在工业级大语言模型（LLM）应用中，动态适配任务与保留既有能力的 “自进化” 需求日益迫切。真实场景中，不同领域语言模式差异显著，LLM 需在学习新场景合规规则的同时，不丢失旧场景的判断能力。这正是大模型自进化核心诉求，即 “自主优化跨任务知识整合，适应动态环境而无需大量外部干预”。
为解决此问题，北邮百家 AI 团队与腾讯 AI Lab 团队提出参数高效的对抗性混合专家架构 MoE-CL，专门用于 LLM 的自进化持续指令微调。其核心设计在于 “解耦 LoRA 专家” 与 “GAN 对抗降噪” 的结合：为每个任务配置专属 LoRA 专家以保留任务特定知识，避免参数更新相互干扰；同时设置共享 LoRA 专家，通过生成对抗网络（GAN）中的任务感知鉴别器抑制无关噪声，确保跨任务知识高效且精准传递，最终实现 “知识保留” 与 “跨任务泛化” 的平衡，这也是 LLM 自进化的核心逻辑。 从实验效果来看，MoE-CL 的自进化能力已在实际场景与基准测试中得到验证。在腾讯真实业务场景 A/B 测试中，它将人工介入成本降低 15.3%；在公开 MTL5 跨域基准与工业级 Tencent3 基准测试中，其平均准确率优于现有主流方法，且在不同任务训练顺序下保持稳定，证明其无需人工调整即可适配任务动态变化。
论文标题： Self-Evolving LLMs via Continual Instruction Tuning论文链接： https://arxiv.org/abs/2509.18133代码仓库：https://github.com/BAI-LAB/MoE-CL
01 引言
在数字经济蓬勃发展的当下，海量文本数据如潮水般涌入互联网平台。例如，新闻资讯的快速更新、电商平台的海量评论等多源异构数据每日激增，面临跨领域、高时效、强精度的多重挑战。若采用传统方案，为每种文本类型单独训练模型，将消耗巨大的计算资源与人力成本；而使用单一模型处理全领域文本，又因数据分布差异导致性能失衡，难以满足业务需求。在此背景下，亟需一种既能高效处理新任务，又能保留旧任务知识的通用技术方案。为此，我们提出 MoE-CL 大模型混合专家（MoE）持续学习架构，致力于打破传统方法的局限，以实现多领域文本任务的高效协同处理。使得大模型具备自进化能力：动态适应训练数据，自主优化跨任务知识整合。
02 方法
混合专家持续学习（MoE-CL）框架聚焦多任务学习中的知识积累与任务适应难题。其核心采用 Transformer 块的 LoRA 增强技术，重点优化前馈神经网络（FFN）层，通过引入低秩矩阵降低参数更新量与计算成本，同时提升学习效率。
MoE-CL 将 LoRA 专家分为任务特定与任务共享两类：前者专攻特定任务知识，后者提取跨任务通用信息。结合生成对抗网络（GAN）分离任务特定与共享信息，确保模型获取高质量共享知识。
架构上，N 层 LoRA 增强的 Transformer 块级联提取信息，最终由门控网络融合两类信息，为任务预测提供支撑。这种设计使模型既能满足任务特异性需求，又能利用任务共性，实现高效持续学习。
图 1：MoE-CL 的整体框架。MoE-CL 通过采用带有任务感知判别器的对抗性 MoE-LoRA 架构，缓解了灾难性遗忘问题。MoE-CL 主要由两部分组成，任务感知判别器优化和指令调整优化。2.1 任务感知判别器优化
任务感知判别器作为 MoE-CL 框架中的关键组件，其核心功能是识别任务标签。在 Transformer 块中，设第 i 个前馈层的输入向量为 ，针对任务 t，MoE-CL 通过 LoRA 技术分别生成任务共享表示 与任务特定表示 ，具体计算如下：
其中， 为 LoRA 模块的运算函数，作用于大语言模型中已冻结的参数； 和 分别对应任务共享 LoRA 专家与任务 t 专属 LoRA 专家的可学习参数，实现知识的分离与共享。
基于上述表示，任务感知判别器通过 softmax 函数 预测任务标签 ：
其中， 为任务分类器的学习参数，通过训练优化以提升标签预测准确性。
在生成对抗网络（GAN）模块中，为确保任务共享信息的质量，模型通过交叉熵损失函数 计算预测标签 与真实标签之间的差异，从而构建损失函数 ：
通过最小化 ，模型能够有效分离任务特定信息与共享信息，促使任务共享专家学习到更具泛化性的知识，进而提升 MoE-CL 框架在多任务场景下的性能表现。
2.2 指令调整优化
指令微调阶段，MoE-CL 通过加权组合任务共享表示 与任务特定表示 进行任务 t 的预测。二者经门控网络 自动生成的权重系数 进行线性插值，得到 Transformer 模块第 i 层的输出向量：
输入多层感知器后输出预测结果 ，结合真实标签通过交叉熵函数 计算预测损失 。
为强化任务共享信息的泛化能力，MoE-CL 将生成对抗损失 与预测损失融合，形成最终优化目标：
其中，超参数 α∈(0,1) 用于平衡两种损失权重。通过最小化 ，模型在保留任务特异性知识的同时，最大化跨任务知识迁移效果。
03 实验
我们在 MTL5 和 Tencent3 两个评测基准上进行了实验，并将我们的方法与几种具有代表性的持续学习方法进行比较，以展示 MoE-CL 的有效性。
3.1 主实验结果
MTL5 和 Tencent3 评测基准上的实验结果如图 2，3 所示，有以下结论：
Tencent3 评测基准上的实验结果，使用腾讯混元作为基座模型。粗体和斜体表示根据主要评估指标准确率的最优和次优。
泛化能力与稳定性突出：相比所有基线方法，MoE-CL 平均准确率显著提升，且方差极小，在复杂任务中展现出优异的泛化能力与稳定性；知识迁移优势显著：MoE-CL 在正反向迁移上表现稳定，较 MoCL 更不易受后续任务影响，验证了生成对抗网络集成至混合 LoRA 专家网络的有效性；鲁棒性表现出色：面对不同任务序列顺序，MoE-CL 通过分离共享与特定任务专家的架构设计，在 MTL5 和 Tencent3 基准测试中展现出极强的鲁棒性 ，远超其他基线方法。
3.2 验证生成对抗网络的有效性
为验证对抗性 MoE-LoRA 架构对灾难性遗忘的抑制效果，本文构建了不含生成对抗网络（GAN）的 MoE-CL 对比版本。实验结果（图 4）显示，含 GAN 的 MoE 专家架构在持续学习任务中平均性能显著优于无 GAN 版本。这是因为 GAN 能够精准将特定任务信息分配至对应低秩适配器专家，有效规避任务间知识干扰，尤其在反向迁移（BwT）指标上表现突出，有力证明了 GAN 在防止灾难性遗忘方面的关键作用。
图 4：生成对抗网络对 MoE-CL 的影响。三个指标都是数值越大表明性能越好。3.3 离线 A/B 测试
在腾讯真实文本分类任务中，模型依据置信度得分自动判定内容样本类别：超出阈值的样本被直接标记为合规（白样本）或不合规（黑样本），无需人工介入。剔除率作为核心评估指标，直观反映自动分类样本占比，剔除率越高，意味着人工成本越低。 为验证 MoE-CL 的实际应用价值，研究团队开展离线 A/B 测试，对比其与生产算法的剔除率表现。实验数据（图 5）显示，在任务 A 和任务 B 场景下，MoE-CL 均实现显著突破。其中，任务 A 场景中 MoE-CL 剔除率高达 28.8%，较基线算法提升 15.3%，直接降低了同等比例的人工介入工作量，切实为业务场景带来降本增效的商业价值。
通过剔除率衡量的离线 A/B 测试。
04 总结
混合专家持续学习框架 MoE-CL 通过三大核心设计破局：专属任务专家防止灾难性遗忘，任务共享专家促进跨任务知识迁移，生成对抗网络保障共享信息质量。三者协同运作，使模型高效适应新任务，实现大模型持续学习中的自进化。
© THE END 转载请联系本公众号获得授权投稿或寻求报道：liyazhou@jiqizhixin.com
文章原文
