该论文分析了多模态大型语言模型（MLLMs）中的灾难性遗忘现象，并提出了后训练调整方法Model Tailor，以有效保留预训练参数。研究发现，MLLM在图像分类任务中的表现不佳，且随着微调，性能显著下降。提出的LR ADJUST方法能够有效减少遗忘，保持新旧知识。整体而言，MLLM在持续学习和多任务场景中仍需改进。