人类大脑认知灵活性碾压AI？全网观点大PK_科学技术

1. 科学家发现

2. 研究速递 | 破解大脑灵活性密码

3. 《自然》

4. 我们的大脑仍然可以利用一个巧妙的技巧胜过人工智能人类

5. 【AI科普】人脑优于人工智能的关键机制揭示——具有重组认知模块“拼积木”能力

6. Nature 大脑的 “模块化工具箱”

7. 大脑的“认知乐高”

8. AI与人类认知分水岭揭晓

9. 灾难性遗忘Catastrophic Forgetting

10. 【人工智能】可控遗忘

11. 告别“灾难性遗忘”？我们可能都错了！爱丁堡大学新研究

12. 科学家找到人工智能“痴呆症”解药

13. 驾驭AI双刃剑

14. 谷歌Nested Learning

15. "嵌套学习"

16. 深入解读 RL's Razor

17. 哈工大团队

18. 大模型微调范式认知再被颠覆？UIUC、Amazon团队最新研究指出SFT灾难性遗忘问题或被误解

19. AAAI-26 Oral | 对抗灾难性遗忘的LLM微调

20. 认知趋同，牛津大学研究揭示人类与AI在学习与遗忘的惊人共性

21. 陈丹琦团队新作 Retaining by Doing

22. 大模型后训练遗忘困局被破解，斯坦福陈丹琦团队重磅突破！在线数据成RL"学得久、记得牢"的核心密钥

23. 类增量学习—参数正则

24. Nature

25. AI革命！《自然》发布机器人技术路线图

26. 具身智能迎来自学时代

27. 【资讯分享】突破模仿学习局限！PI发布π*0.6模型，机器人通过强化学习自主进化

28. 人不与“马”赛跑而驾驭“马”

29. 当AI学会了“思考”，人脑的优势在哪里？

30. 人脑神经元真正的能力

31. 关于''我''的思考及其衍生，探索高级认知训练脑力提升可能路径

32. <Nature Human Behaviour>人类与神经网络在连续学习中表现出相似的迁移与干扰模式

33. 别再“神化”人脑了！牛津团队NHB新发

34. #雷军祝贺小米AI团队#小米AI团队2篇论文入选ICCV 2025，获全球顶级学术认可。ICCV与CVPR、ECCV并称计算机视觉三大顶会，今年投稿11239篇，录用率仅24%，可见小米这两篇论文的含金量有多高了！入选成果含行业首个动态帧选择与分辨率自适应框架Q-Frame，及解决大模型“灾难性遗忘”的Any-SSR持续学习框架。目前，相关技术已应用于手机、汽车、新零售等场景，如小米YU7哨兵模式、新零售“店员Copilot”。小米将在2025年300亿研发投入中，约四分之一用于AI，推动技术赋能各业务！期待一下……

35. #雷军祝贺小米AI团队# 7月8日，雷军祝贺小米AI团队两篇论文入选计算机视觉顶会ICCV 2025：Q-Frame技术：行业首个动态帧选择与分辨率自适应框架，无需训练即可适配各类视频理解模型，已应用于小米YU7汽车哨兵模式。Any-SSR框架：解决大模型持续学习的"灾难性遗忘"难题，实现近乎完美的知识保留与新知识融合。小米2025年将投入约75亿研发资金支持AI发展。

36. Cell | 线粒体能量开关，竟是人类大脑皮层“变大”的秘密！

37. 第三天《Context Engineering: Sessions & Memory》，一个Agent做得好，80%看上下文管理！这个pdf有72页，系统讲述了如何让LLM在交互中形成“状态”“个性”与“持续学习“，想做好AI Agent的别忘记深读一下这个文档。划线点：1. 上下文工程的核心理念传统的 Prompt Engineering 只关注如何写出一个最优提示，而 Context Engineering 则是更高维度的概念。它要求开发者在每次模型调用前，动态地拼装完整的上下文——包括系统指令、工具定义、few-shot 示例、外部检索内容、长期记忆以及当前对话历史。白皮书中有个比喻：如果 Prompt 是食谱，那么 Context Engineering 就是备料，决定了模型能否稳定地产出理想结果。2. Session vs. Memory Session 是一场对话的“工作台”，保存着事件日志和临时状态；Memory 是长期的“档案柜”，从这些对话中提炼出可复用的知识。 Session 负责连贯性，Memory 负责持续性。3. 多智能体系统中的会话共享多个 Agent 协作时，Session 的设计变得更复杂。不同框架（如 ADK、LangGraph）内部的数据结构差异较大，直接共享会导致互操作问题。文档提出用框架无关的 Memory 层作为共享语义中枢，各 Agent 通过抽象化的记忆数据交换信息，从而实现真正的跨框架协作。4. 长上下文的管理与压缩模型上下文窗口有限，随着会话增长，成本、延迟和注意力衰减都会出现。有三种压缩策略：（1）保留最近 N 轮（滑动窗口）；（2）基于 token 数截断；（3）递归摘要，用 LLM 生成对旧内容的总结。这些方法共同目标是保留必要、舍弃冗余，让模型始终聚焦关键信息。5. 记忆系统的设计与生命周期记忆并非简单存储，而是一套动态的 LLM 驱动工作流，涵盖提取、整合、存储、检索与遗忘（有点像一个ETL系统）。提取阶段从原始对话中识别有意义的信息；整合阶段解决重复与冲突；存储可采用向量数据库、知识图谱或混合架构；检索阶段结合语义相似度、时间衰减与重要度评分挑选最合适的记忆。文档还提出“遗忘”机制——旧记忆会随时间或置信度衰减被归档或删除，以保持知识库的健康。划重点：真正的智能不在于保存全部信息，而在于知道何时、为何、记什么、忘什么。一个理想的 Memory 系统，像人脑的海马体，既能在短期保持上下文，又能在长期过滤、压缩、抽象出模式。 AI Agent的设计应该把动态遗忘作为标准功能来设计，而非可有可无的能力。6. 触发策略与 Memory-as-a-Tool 模式记忆生成可在会话结束、固定回合、实时、或用户显式命令下触发。频繁触发可保留更多细节，但计算成本高；批量触发更经济，却易失真。白皮书提出 Memory-as-a-Tool 模式：让 Agent 自行判断何时、为何生成记忆，将“记忆何时发生”的控制权交给模型逻辑本身（划重点！）。7. 信任、来源与隐私文档专门讨论了 Memory 的来源溯源（Provenance）：每条记忆应携带来源类型、时间戳、置信度与可信层级。系统需依据来源权重解决冲突，并对个人敏感信息在写入前脱敏，确保隔离与合规。8. RAG 与 Memory 的对比 RAG 让模型更懂世界， Memory 让模型更懂你。前者检索外部事实，后者积累用户语境。Agent 需要二者结合，既具世界知识，又具个人连续性。#ai创造营# #程序员#

38. AI 智能体上下文工程 4 大核心策略，拯救大模型的「金鱼记忆」！

39. 智源RoboBrain 2.0+RoboOS 2.0双发：问鼎评测基准最强具身大脑，刷新跨本体多机协作技术范式

40. #Google Research 2025：更大胆的突破，更大的影响#2025年12月18日，Google Research发布了年度回顾博客文章《Google Research 2025: Bolder breakthroughs, bigger impact》（Google Research 2025：更大胆的突破，更大的影响）。文章由Google Research副总裁Yossi Matias撰写，总结了2025年Google Research在人工智能、量子计算、科学研究以及社会影响领域的重大进展。文章强调，2025年研究“魔力循环”（magic cycle）加速运转，即基础研究突破快速转化为产品、科学和社会实际影响。#生成式AI模型的全面提升#Google Research在生成式AI领域取得多项关键进展，使模型在效率、事实性、多语言和多文化适应性上大幅提升：- Gemini 3 成为最强大、最事实性的大型语言模型，在SimpleQA Verified和FACTS等基准测试中领先。- 引入“生成式UI”（generative UI），在Gemini 3、Google Search的AI Mode以及Gemini app中实现动态视觉界面生成。- 通过推测解码（speculative decoding）和LAVA调度算法，提升模型效率；开发ECLeKTic数据集和TUNA分类法，支持更多低资源语言和文化适应。这些进展已融入Google产品，帮助用户获得更准确、多模态的交互体验。#量子计算迈向实用化#2025年，Google量子计算取得里程碑式突破：- 在Willow量子芯片上运行“Quantum Echoes”算法，实现可验证的量子优势，比经典算法快13000倍。该成果发表于《Nature》杂志封面。- 这项突破为药物设计、核聚变能源等领域带来潜在应用。值得一提的是，奠定超导量子比特基础的早期研究者（包括Google Quantum AI团队成员）获2025年诺贝尔物理学奖。#AI加速科学研究#Google推出“AI co-scientist”多代理系统，能快速生成科学假设，并在斯坦福大学和伦敦帝国理工学院等机构验证，帮助解决肝纤维化和抗菌药物耐药性等问题。在生物、基因组和神经科学领域：- DeepSomatic模型更准确识别癌症遗传变异，已开源并应用于临床。- C2S-Scale基础模型用于单细胞分析。- LICONN方法实现神经连接图谱绘制；ZAPBench记录斑马鱼超过7万神经元活动。- 研究发现Transformer模型与人类大脑语言处理机制高度对齐。#地球智能与危机应对#Google推进“地球AI”（Earth AI）平台，整合遥感、天气、空气质量等数据，提供分钟级洞察。- 发射FireSat卫星星座（与合作伙伴合作），实现近实时野火检测，被《时代》杂志评为2025年最佳发明之一。- 洪水预警覆盖超过20亿人口；WeatherNext 2提升中期天气预报准确性；NeuralGCM改善印度季风预测。#健康与教育AI应用#健康领域：- AMIE对话式医疗代理在模拟诊断中媲美或超越全科医生。- 推出MedGemma开源模型（下载量超200万）和Open Health Stack，支持低资源地区医疗应用。教育领域：- Gemini融入LearnLM模型；推出Learn Your Way互动教科书平台，提高学生知识保留率11个百分点。- 在加纳试点AI答案评估，并在全球推广AI素养挑战。#基础机器学习与隐私保护#- 开发Nested Learning解决灾难性遗忘问题；Titans/MIRAS框架提升长期记忆；MUVERA实现高效检索。- 开源VaultGemma（最大差分隐私训练模型）和Jax Privacy 1.0库。Google Research还扩大全球合作，包括在新加坡设立新研究中心，支持博士生奖学金，并在NeurIPS等会议赞助活动。#结语：AI放大人类智慧#Yossi Matias在文章中表示：“这是研究的黄金时代。技术突破和科学进步以前所未有的速度转化为现实解决方案。我们将以大胆且负责任的方式推进AI，致力于安全与信任，让AI成为人类智慧的放大器。”2025年，Google Research不仅推动了AI技术前沿，还通过开源、合作和产品落地，产生了广泛的社会影响。展望未来，Google将继续聚焦最大挑战，助力人类解决明日问题。

41. 关注 | 临床研究发现：这种炒菜调料的代谢物，可逆转痴呆症状，并改善认知功能

42. 我妈给我发她的朗诵音频《在时光中慢慢盛开》，让我听听。我一听，朗诵声情并茂，便立刻告诉她，都没听出来是她的声音，以为是哪个主持人播音员录的，我妈很开心，她说她会坚持朗诵，我表示赞成，朗诵对人脑和身心健康很有助益，可以预防很多老年疾病，比如阿兹海默症。研究指出，大脑的“认知储备”是抵抗阿尔茨海默病的关键，而早年及一生中坚持像朗读、阅读、写作这样的复杂认知活动，是构建这种储备最有效的方式之一。这项始于1986年的长期研究，跟踪了678位美国圣母学校修女会成员，并在她们去世后进行了大脑解剖，核心发现有： “认知正常”的病变大脑：研究发现，相当一部分修女在世时认知完全正常，但大脑解剖却显示存在典型的阿尔茨海默病病理改变（如淀粉样斑块和神经纤维缠结）。这说明大脑病变不一定会导致失智症状。早年语言能力的保护作用：研究人员分析了修女们在20岁出头时写的自传文章。那些在年轻时能使用更复杂语法结构、表达更高“思想密度”的修女，在晚年患认知障碍的风险显著更低。终身认知活动的重要性：保持终身学习、阅读、社交和进行智力活动（如拼图、编织）的修女，表现出更强的“认知韧性”。朗读、学习、深度思考这样的复杂活动，能促进大脑神经元之间建立更多、更丰富的连接网络。当阿尔茨海默病开始损害部分脑细胞和通路时，拥有丰富“认知储备”的大脑可以调用这些早已建立好的“备用路径”来完成任务，从而在很长时间内不表现出明显的症状，实现了对病理损害的“抵抗”。 “修女研究”的启示在于，保护大脑是一个长期、持续的过程。 1. 越早开始越好：研究证实，从小为孩子朗读、与他们进行丰富的语言交流，是构建其早期认知储备极其重要的一环。 2. 终身坚持“动脑”：无论是阅读、写作、学习新技能（如一门语言），还是进行有挑战性的思维游戏，都能持续为大脑储备“加分”。 3. 结合身体与社交活动：规律的运动、健康的饮食、积极的社交互动，也被证明是保护认知健康的重要因素。朗读本身不是“治疗”阿尔茨海默病的药，而是我们一生中构建强大“认知储备”的一种核心训练方式。正是这种储备，让一些人的大脑在病理面前表现出惊人的韧性。我也要把朗读提上日程，变成每天生活的一部分。

43. 从第一性原理出发的RAG推理新范式来了，蚂蚁DIVER登顶权威基准

44. 还在让孩子和老人刷短视频的人，注意了！！！昆明市第一人民医院神经内科副主任医师张毅，在日常诊疗中发现一个普遍现象：越来越多患者出现注意力不集中、记忆力下降等认知问题，而这些患者大多有长期高频刷短视频的习惯。为了探明其中关联，他带领团队开展临床观察与神经影像学研究，最终锁定了短视频对大脑的多重负面影响，尤其是日均使用时长超3小时的人群，脑健康风险显著升高。张毅的研究首先明确了长期刷短视频的五大核心危害，每一项都直指大脑的关键功能。其一，注意力脱敏。短视频每秒切换的画面、高频刺激的内容，会让大脑逐渐适应这种高强度节奏，当面对阅读、工作等需要持续专注的低强度任务时，人们会难以集中注意力，甚至出现频繁走神的情况。其二，记忆碎片化。短视频的被动接收模式，会削弱大脑的深度记忆编码能力，张毅团队发现，80%的人看完短视频后无法完整复述核心内容，长期如此，负责记忆存储的海马体活性会降低，记忆力随之衰退。更值得警惕的是，过度刷短视频会导致脑结构出现类衰老改变。张毅通过神经影像学检测发现，日均刷短视频≥3小时的人群，前额叶皮层灰质体积明显减少，左侧岛叶神经连接密度降低。注意：这已经是器质性改变了！！！而且这种改变，与大脑自然衰老时的结构变化高度相似，而前额叶皮层负责决策、规划等高级认知功能，岛叶则关联情绪调节与自我感知，这些结构的改变会直接影响人的认知表现与情绪状态。此外，张毅还揭示了短视频对大脑神经网络的干扰机制：短视频的高频内容切换和即时奖励设计，会强制激活大脑的任务导向网络，同时抑制默认模式网络的静息态活动。默认模式网络主导大脑的自我反思、深度思考等过程，其功能受抑会导致人们的深度思考能力减弱，难以进行复杂的逻辑推理，甚至出现“越刷越空虚”的精神状态。而多巴胺分泌的紊乱，还会让情绪易失控，增加焦虑、抑郁的发生风险；睡前刷短视频则会抑制褪黑素分泌，破坏睡眠节律，进一步影响大脑的夜间修复。临床案例为这些发现提供了直观佐证。张毅分享了一位68岁患者的经历：该患者因认知功能下降就诊，治疗期间日均刷短视频超3小时，仅半年时间，其记忆功能衰退速度就远超同期认知评分相近的患者，这一案例也印证了短视频对认知健康的负面影响并非巧合。基于研究结果，张毅锁定了三类高危人群：1，青少年，大脑发育尚未成熟，易受高频刺激影响。2，老年人，认知功能本身呈自然衰退趋势，短视频的负面影响会加速这一过程。3，职场人士，长期依赖短视频放松，易出现注意力分散、工作效率下降的问题。张毅的研究并非孤立结论，《Psychological Bulletin》的元分析研究，涵盖71项研究、近10万名参与者，已证实，刷短视频与认知能力呈中等程度负相关，尤其损害专注力与抑制控制能力；《美国医学会杂志》的相关研究也发现，频繁使用社交媒体的儿童，阅读、记忆测试得分显著偏低。这些大规模研究与张毅的临床发现相互印证，共同警示：短视频对大脑有百害而无一益！！！

45. IEEE TPAMI 2025 | 北京大学提出分布驱动的终身学习范式，用结构建模解决灾难性遗忘

46. 带着使命守护认知

47. 研究者警告：强化学习暗藏「策略悬崖」危机，AI对齐的根本性挑战浮现

48. “老得慢”的人，基本都爱吃这“大红果”，血管舒坦又开胃，还能延缓大脑衰老~

49. 这种常见食材有助于延缓大脑衰老，还能防癌

50. 【元宇宙】研究证实，多感官VR森林可重启大脑并改善情绪

51. 具身前沿 | LIBERO：机器人终身学习基准全攻略 – 原理、实践与前沿应用

52. ICCV 2025 | 南大提出新机制，终结CLIP持续学习中的灾难性遗忘，刷新SOTA！

53. 谷歌的嵌套学习旨在防止LLM出现灾难性遗忘

54. 终结Transformer统治！清华姚班校友出手，剑指AI「灾难性遗忘」

55. 突破AI「灾难性遗忘」，谷歌「嵌套学习」框架超越Transformer

56. 突破LLM遗忘瓶颈，谷歌「嵌套学习」让AI像人脑一样持续进化

57. 训练更快，遗忘更少：新一代大象激活函数，让你的RL智能体真正“过目不忘”

58. 大语言模型的遗忘也许是一个悖论？清华团队揭示Unlearning技术的两难困境

59. 我们如何持续适应视觉-语言模型？

60. IEEE TPAMI 2025 | 北京大学提出分布驱动的终身学习范式，用结构建模解决灾难性遗忘

61. 相比SFT为什么RL训练后的模型更不容易遗忘？RL的奥卡姆剃刀原理：为什么在线强化学习遗忘更少

62. 大脑前额叶认知控制的动态编码（上）

63. 荣登Nature招牌1区Top！持续学习简直杀疯了

64. Molecular Neurodegeration：大脑为何能抵抗阿尔茨海默病？最新研究揭示“认知弹性”的分子密码

65. Google颠覆性新作：Nested Learning登场，终结AI“灾难性遗忘”【论文解读】

66. 持续学习和灾难性遗忘

67. 自适应持续学习=高区专业户？12个idea助你发文快人一步！

68. PNAS︱中科院生物物理所刘宁/自动化所余山团队合作揭示大脑临界态的遗传机制：遗传影响大脑临界态及其与认知的联系

69. AI也能像人一样拥有长时记忆了！谷歌最新研究攻克AI核心难题

70. 谷歌提出嵌套学习：彻底解决持续学习“灾难性遗忘”难题

71. AAAI26 Oral | 对抗灾难性遗忘的PEFT新方法

72. 每天一个心理名词|认知弹性是什么？

73. 登顶Nature！持续学习刷新SOTA！在深度学习领域，“灾难性遗忘”问题长期困扰着研究者。当模型学习新任务时，往往会遗忘之前学到的知识，这极大地限制了模型的适应性和泛化能力。然而，持续学习的出现为这一难题带来了曙光。它能够使模型在顺序学习多个任务的过程中，既保留旧知识，又具备适应新任务的能力，从而打破了“灾难性遗忘”的困境。凭借这一显著优势，持续学习一直是人工智能领域的核心研究议题，并且在2025年呈现出蓬勃发展的态势。以2025年CVPR会议中提出的SEMA方法以及发表在《自然》子刊上的CH-HNN研究为例，当前持续学习的创新主要集中在突破单一任务的局限。具体而言，研究者们正积极探索将联邦学习、元学习等交叉技术与持续学习相结合，推动持续学习向多模态、动态环境、资源高效和可解释性等方向发展。这些研究不仅拓展了持续学习的应用场景，还为解决复杂现实问题提供了新的思路和方法。#深度学习 #持续学习 #多模态 #大模型 #论文

74. Nature Communications | 海马回路启发的混合神经网络，解决灾难性遗忘

75. Google 破解“灾难性遗忘”：AI 终于开始拥有“人类式记忆”

76. VLM2VLA：VLM 微调为 VLA，避免灾难性遗忘

77. 普林斯顿大学最新！VLM2VLA：将 VLM 微调为 VLA，并避免灾难性遗忘

78. 普林斯顿VLM2VLA根治机器人"失忆症"！LoRA微调+语言化动作打破灾难性遗忘魔咒

79. 持续学习为什么突然爆发？CVPR25给出不一样的回答！持续学习，2025发文捷径，左手Nature，右手CVPR。深度学习中，“灾难性遗忘”是个不可避免的问题，而持续学习的出现，打破了这一困境。他能让模型在多个任务间顺序学习而不遗忘旧知识，同时具备适应新任务的能力。鉴于如此优势，持续学习的研究一直是AI领域的核心议题，目前也正处于爆发期，结合2025年最新动态CVPR25的SEMA、Nature子刊的CH-HNN，创新主要聚焦，突破单一任务的局限。具体点说就是结合联邦学习、元学习等交叉技术，向多模态、动态环境、资源高效、可解释性等方向演进。小狮妹整理了10篇持续学习2025新成果，配套开源代码。#持续学习 #深度学习 #Nature #CVPR #SCI

80. 谷歌重磅：AI终于有了“长期记忆”？这项黑科技让模型越学越聪明

81. Nature重磅 | 揭秘大脑中的共享神经子空间与几何缩放

82. 变聪明的关键——遗忘！脑科学证实，记性差并非缺点、而是优点！

83. 第四课：执行力核心能力之——认知弹性

84. 持续学习才是2025发文捷径，创新且不卷的idea！深度学习中，“灾难性遗忘”是个不可避免的问题，而持续学习的出现打破了这一困境。它能让模型在多个任务间顺序学习而不遗忘旧知识，同时具备适应新任务的能力。鉴于如此优势，持续学习的研究一直是AI领域的核心议题，目前也正处于爆发期。结合2025年最新动态（CVPR25的SEMA、nature子刊的CH-HNN），创新主要聚焦突破单一任务的局限，具体点说就是结合联邦学习、元学习等交叉技术，向多模态、动态环境、资源高效、可解释性等方向演进。 #持续学习 #深度学习 #论文写作 #CVPR #人工智能

85. 什么是 Life-Long Learning（LLL）？

86. 谷歌嵌套学习：突破 LLM 遗忘瓶颈，让 AI 实现人脑式持续进化

87. 大脑"抗衰老密码"破解：科学证实认知储备可保持大脑敏锐

88. RoboMemory：一个可以「终身学习」的机器人框架

89. 普林斯顿大学的神经科学家发现大脑模块化工作如乐高，高效灵活。

90. Meta:稀疏记忆微调让AI学会持续学习不遗忘

91. 动作即语言：将 VLM 微调为 VLA，避免灾难性遗忘

92. 文本分类重大创新：持续学习新增类别，不会灾难遗忘

93. LLM训练新思路：快手RLEP巧用经验回放，实现效率与性能双突破

94. 科学家发现可遗传的脑状态赋予认知灵活性

95. 克服灾难性遗忘！Meta提出「稀疏记忆微调」

96. HippoRAG：突破性的知识图谱增强神经生物学启发长期记忆框架，让大模型更聪明

97. 学了就忘？不是记性差，你需要掌握 “学习迁移” 能力！

98. HaluMem：揭示当前AI记忆系统的系统性缺陷，系统失效率超50%

99. 董奇：学生学习的脑科学进展、启示与建议

100. ICCV 2025 | HVPL：分层视觉提示学习，让视频实例分割模型告别灾难性遗忘

101. 智力与遗传有关吗？科学家发现支撑认知灵活性的可遗传大脑状态

102. iCaRL: Incremental Classifier and Representation Learning（iCaRL）

103. 科研成果 | 华南师范大学王斌在Nat Commun发文揭示大脑灵活决策背后的重要机制

104. Nat Commun：华南师范大学王斌团队合作揭示大脑灵活决策背后的重要机制

105. 左手Nature，右手CVPR！持续学习才是2025发文捷径左手Nature，右手CVPR！持续学习才是2025发文捷径！深度学习中，“灾难性遗忘”是个不可避免的问题，而持续学习的出现打破了这一困境，它能让模型在多个任务间顺序学习而不遗忘旧知识，同时具备适应新任务的能力。本文整理了10篇持续学习2025新成果，方便有论文需求的同学了解前沿，快速掌握研究思路。开源代码也附上了，感兴趣的同学评论区留言哦。鉴于如此优势，持续学习的研究一直是AI领域的核心议题#深度学习 #机器学习 #算法 #编程 #大语言模型

106. 左手Nature，右手CVPR！持续学习才是2025发文捷径左手Nature，右手CVPR！持续学习(Continual Learning)才是2025发文捷径！深度学习中，“灾难性遗忘”是个不可避免的问题，而持续学习的出现打破了这一困境，它能让模型在多个任务间顺序学习而不遗忘旧知识，同时具备适应新任务的能力。我整理了10篇持续学习2025新成果，方便有论文需求的同学了解前沿，快速掌握研究思路。开源代码也附上了#注意力机制 #机器学习 #人工智能 #大语言模型 #跟我学AI

107. 防止灾难性遗忘：更安全语言模型微调

108. 记忆并不是“回放”那么简单，它充满了复杂性与神秘性，这也是人工智能需要解决的问题

109. 自然语言处理中的持续终身学习综述

110. Large scale incremental learning（BiC，2019，CVPR）

111. 思维认知的觉醒

112. 科学进展：大脑如何决定永远不会忘记哪些时刻，记忆选择机制揭秘

113. 丘脑大叔赠书福利 | 会记才会学：让学习效率倍增的记忆法

114. 智元机器人真机强化学习落地工业产线，开启具身智能规模化应用新阶段

115. UIUC、Amazon团队最新研究指出SFT灾难性遗忘问题或被误解

116. EMNLP 2025 |中科大联合小红书开源LLM自分布对齐方法SelfAug，缓解RAG微调灾难性遗忘

117. 大脑的“弹性”：为什么认知灵活性对心理健康如此重要？

人类大脑认知灵活性碾压AI？全网观点大PK

精选参考来源