本研究では、LLM（大型言語モデル）を利用したレコメンデーションシステムにおける連続学習の課題に対処するために、PESO（近接正則化単一進化低ランクアダプタ）という新たな手法を提案しています。従来のLoRA（低ランクアダプタ）ベースの方法は、過去のタスクの性能維持に重点を置いていますが、レコメンデーションの特性を考慮していません。特に、時間と共に変化するユーザーの興味や選好に適応することが必要です。PESOは、最新の固定状態にアダプタを固定することで、適応と保存のバランスを柔軟に調整し、最近のユーザー行動をより良く捉えることを目指します。理論的には、この近接設計がデータに基づく指針をLoRAのサブスペースで提供することを示し、実証的にはPESOが既存のLoRAベースの連続学習手法を一貫して上回ることを示しています。