新数据集训练后，其他领域能力下降了怎么办？

先这样答

先把它当作灾难性遗忘问题处理，分训练前的防和训练后的治。训练前，我会在新领域数据里混入通用数据。通用数据的比例需要通过实验确定。我还会安排课程学习，先训练通用数据，再逐步加入领域数据。这样能减少模型只适应新领域的风险。

训练时，我会优先考虑 LoRA，降低新任务对原有能力的扰动。同时使用较小的学习率，避免参数更新过快。训练过程中还要设置早停，发现通用能力开始下降，就及时停止当前训练。

训练后，我会建立通用能力回归集，持续检查其他领域的表现。我会把新模型和训练前模型逐项对比，确认下降发生在哪些能力上，再回退到合适的训练版本。回答时，我会先说明训练前如何配比和安排顺序，再说明训练后如何监控、对比和定位。

面试官会怎么追问

• 「通用数据和领域数据应该按什么比例混合？」
  比例不能直接拍一个固定值。
  我会把比例作为实验变量，观察领域能力和通用能力的变化。
  再根据回归结果选择合适的配比。

• 「为什么要先做通用数据，再做领域数据？」
  这样安排属于课程学习。
  模型先保留通用数据上的训练基础，再逐步接触领域数据。
  如果一开始就集中训练新领域，原有能力更容易受到影响。

• 「训练完成后，怎么判断是哪些能力发生了下降？」
  我会使用通用能力回归集，对比训练前后的结果。
  如果整体指标下降，还要继续按能力或领域拆开看。
  定位到具体下降项后，再回退到合适版本，检查训练过程和数据配比。

回答的坑

• 只说混入通用数据，却不给出比例通过实验确定，显得没有验证方案。
• 只讲训练技巧，不讲通用能力回归和版本对比，无法定位下降原因。