Search

Results for “持续学习”

Total 30 articles

ICML 2026 | 突破极限!港大提出首个适配300+任务的持续学习架构,破解遗忘难题

ICML 2026 | 突破极限!港大提出首个适配300+任务的持续学习架构,破解遗忘难题 (opens in a new tab)

人类可以在一生中持续学习新知识,而不会轻易遗忘已有技能。然而对 AI 模型而言,这恰恰是一道极具挑战性的难题:每当模型学习新任务时,参数更新往往会覆盖历史知识,产生经典的 “灾难性遗忘” 难题。持续学习(Continual Learning)正是为突破这一瓶颈而生的研究方向。

AI guides
0
Mind Lab连续发布LoRA最新进展,大模型「持续学习」新范式浮现

Mind Lab连续发布LoRA最新进展,大模型「持续学习」新范式浮现 (opens in a new tab)

最近,前沿实验室 Mind Lab 密集发布了一系列关于 LoRA 与 PEFT(高效微调)的研究结果,似乎描绘出了另一条大模型「持续学习」的路径。在 Mind Lab 的视角中,PEFT 不再是对大模型全参数后训练的一种廉价平替,更是实现从 “基础模型” 向 “可持续学习智能体” 过渡的核心架构机制。

AI guides
0
离开字节、商汤之后,他用iLands给AI创造一个真实世界

离开字节、商汤之后,他用iLands给AI创造一个真实世界 (opens in a new tab)

让AI在真实社会中自由生长、进化。 2026年,AGI 的路径争议逐渐显现。梁文锋把通往 AGI 的路径概括为:从 CoT 到 Agent,再到持续学习与 AI 自我迭代;同时,他认为产品只是阶段性成果,并不是当前的主线。 对此,iLands 创始人唐垲鑫说,他只同意一半:“如果不进入真实社会,AI 拿什么持续学习?产品不是研究下游,它是经验发生的地方。离开真实环境、真实关系和真实后果,AI 就没有真正的成长。” 带着这一信念,唐垲鑫创造了 iLands:一个属于人类与自主 Agent的共享社会与经济体。 截至目前,iLands 已经运行着数千个 Agents和人类用户。在这里,它们经历的是,

AI news
0
刚刚,LeCun团队让世界模型学会持续学习!

刚刚,LeCun团队让世界模型学会持续学习! (opens in a new tab)

刚刚,纽约大学联合LeCun初创AMI带来JEPA系列的最新成果——AdaJEPA。与过去在预训练结束后就冻结参数的世界模型不同,AdaJEPA能够在与环境交互中,基于测试时自适应(Test-Time Adaptation, TTA),实时调整世界模型的编码器和预测器参数,从而实现持续学习。

AI guides
0
斯坦福英伟达推出测试时强化学习:微调开源模型胜过顶级闭源模型,仅需几百美元

斯坦福英伟达推出测试时强化学习:微调开源模型胜过顶级闭源模型,仅需几百美元 (opens in a new tab)

大模型持续学习,又有新进展! 来自斯坦福、英伟达等研究机构的最新研究,针对解决开放的科学问题,提出全新思路—— Test-Time Training to Discover (TTT-Discover)。 其基于开源模型gpt-oss-120b,在多个领域达到SOTA,优于人类专家与闭源前沿模型。 该方法不再沿用“测试时缩放”(Test-time Scaling)只通过Prompt调度冻结模型的做法。 而是在测试阶段,针对单个具体问题,引入强化学习(RL)对模型权重进行更新。 这种“测试时训练”使模型能够从该问题的失败尝试中实时获取经验,更新参数,实现模型能力的定向进化。 数学:给出了Erdő

AI guides
0