**港大提出 RaPO：强化微调破解 MLLM 灾难性遗忘，代码已开源**

_NeurIPS 2026 | 港大提出RaPO：强化微调破解MLLM灾难性遗忘，代码已开源_

> 针对 MLLM 在强化微调中易出现灾难性遗忘的问题，港大提出了 RaPO 方法。该方法利用基于验证器奖励的强化微调（RFT）替代传统监督微调，通过 on-policy 优化机制，在激发复杂推理能力的同时显著提升了模型的抗遗忘能力，相关代码已开源。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：ai-models
- **发布时间**：2026-11-05 10:30（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-11-05-2)