灾难性遗忘

谷歌研究人员提出一种名为 “嵌套学习（Nested Learning）” 的全新 AI 范式，旨在解决当前大语言模型（LLM）最核心的局限之一 —— 训练后无法学习或更新知识，为 …

长期以来 AI 领域的核心目标聚焦于 “提升记忆能力”—— 通过训练海量数据集、扩大模型规模与延长上下文窗口，让 AI 系统更高效地存储与召回信息。然而，随着 AI 应用的深入，“…

当传统大语言模型（LLMs）因依赖人工标注数据、无法动态适配新任务而陷入 “能力停滞”，MIT 团队推出的 SEAL（Self-Adapting LLMs）技术，以 “模型自主生成…

当企业为适配新业务场景对 AI 模型进行微调时，常面临两难困境：全量重训需投入数百万美元、消耗数周时间，还可能导致模型 “灾难性遗忘”—— 丢失此前习得的关键能力；而完全不更新模型…

麻省理工学院（MIT）的研究人员近日开发了一种名为“自我适应语言模型”（SEAL）的框架，该框架能够使大型语言模型（LLM）通过不断更新其内部参数，实现持续学习和适应。SEAL框架…