知道何时不重用：自主LLM后训练中的条件经验迁移

论文提出条件经验迁移问题，并介绍BCIT方法，在LLM后训练中授权经验复用。在4B模型的财务推理、text-to-SQL和函数调用任务上，BCIT相比替代方案减少了有害更新，并在同等预算下获得更高最终模型质量。

自主LLM后训练中，过去更新证据可能在父模型改变后失效，但现有方法常将其视为可无条件复用。BCIT首次引入条件授权机制，防止无效计算浪费和训练轨迹退化，提升后训练效率与质量。

BCIT将观察到的更新效果绑定到其来源上下文，通过检查适用条件、拒绝命名冲突，并在必要时进行有界训练试验，获取当前状态证据。仅当经验有效时才复用，且共享采用规则，确保只将实际发生的事件计入记忆。

对需要持续适应新领域、工具或需求的LLM产品，BCIT能减少后训练计算成本，避免因错误复用导致模型质量下降，提升自动化训练管道的可靠性，加快迭代速度，降低人工审核负担。

• 在自动化微调平台中集成BCIT，作为经验复用预检模块，防止无效更新浪费GPU资源。
• 为LLM后训练流程增加条件授权日志，帮助团队监控哪些经验被拒绝及原因，优化数据策略。
• 在持续学习型AI产品中嵌入BCIT，确保模型在功能更新后不丢失已学能力。
• 基于BCIT规则构建训练预算分配建议工具，对高冲突更新提前预警。

• BCIT在超过4B规模或更多任务类型上的表现是否一致？
• BCIT的“硬冲突”定义是否覆盖所有关键场景？
• 实际工程中实现BCIT所需额外开销是否可控？
• 论文是否提供代码开源？是否已被复现？