技术
continual learning（持续学习）
Continual learning（持续学习）旨在让模型在不遗忘旧知识的前提下，连续学习新任务或新数据，解决神经网络中的灾难性遗忘问题。典型应用包括个性化推荐和自动驾驶，代表方法如EWC、经验回放。
详细解释
持续学习主要分为正则化、回放和参数隔离三类方法。正则化方法（如EWC）通过约束重要参数的变化来保留旧知识；回放方法存储旧样本或生成伪样本以复习；参数隔离则为不同任务分配不同子网络。评估指标包括平均准确率和遗忘率。该领域与元学习、迁移学习交叉，在动态环境中至关重要，但如何平衡稳定性和可塑性仍是开放问题。
别名与相关写法
continual learning
相关术语
Agent共现 3 篇
Low-Rank Adaptation共现 2 篇
Neural Network共现 2 篇
LoRA共现 2 篇
具身智能共现 1 篇
Recurrent Neural Network共现 1 篇
相关公司
相关资讯
CAMR：面向大模型持续学习的兼容性感知记忆回放2026/10/28
伯克利提出 Nestor 嵌套稀疏架构，预训练与持续学习优于 MoE2026/10/26
arXiv 论文提出以记忆为中心的智能体持续学习框架 MCCL2026/10/22
ReHarness：面向智能体持续学习的循环框架2026/10/12
北大团队发布EmbodiedCLBench：评测自进化具身智能体持续学习2026/10/12
PaLoRA：面向持续学习的节奏化低秩适配2026/10/6
GraphMemory：解耦记忆与上下文2026/10/5
新研究：无离线阶段的持续学习回放方法2026/9/29