灾难性遗忘是大模型持续学习的核心挑战。近期工作指出，性能下降可能来自任务对齐被破坏的「虚假遗忘」，而非知识真正丢失。本文进一步提出浅层对齐与深层对齐框架，给出对齐深度的定量刻画：当前许多任务对齐仅维持在输出前 3–5 个 token，因而脆弱、可逆，也解释了微调攻击为何有效。

作者构建完整框架：对齐深度 0–1 指标、训练过程中的实时浅层对齐检测、可视化与可恢复性预测工具，以及自动区分遗忘类型并促进深层对齐的自适应策略。在多数据集与 Qwen2.5-3B 至 32B 上，识别准确率达 86.2%–90.6%，促进深层对齐相对基线提升抗遗忘鲁棒性 3.3%–7.1%。

论文发表于 arXiv:2512.20634（cs.LG）。