catastrophic forgetting（灾难性遗忘）

灾难性遗忘源于神经网络参数共享和梯度更新机制：当模型在新任务上训练时，参数调整会覆盖旧任务的重要权重。这在序列学习或多任务学习中尤为突出。为缓解该问题，研究者提出了弹性权重巩固、经验回放、动态网络扩展等方法。解决灾难性遗忘是实现通用人工智能和持续学习的关键。