【阿尔伯塔大学提出FAME框架，破解AI“学新忘旧”困局】近日，加拿大阿尔伯塔大学强化学习团队提出FAME持续强化学习框架，论文已被ICRL 2026收录。针对AI微调时易出现的“灾难性遗忘”痛点，FAME受人类记忆机制启发，构建了快速学习与元学习双系统。该框架从理论上定义了环境差异与遗忘程度，将知识整合转化为遗忘最小化优化问题，通过自适应热启动等机制实现新旧知识高效协同。实验表明其在多项基准中全面占优。该研究为持续学习奠定理论基础，对大模型、具身智能及迈向超级智能意义深远。

谷歌研究院于11月7日发布博文，推出全新机器学习范式“嵌套学习”（Nested Learning），旨在解决AI模型在持续学习中的“灾难性遗忘”问题。该范式通过将模型架构与优化算法统一，提出“深度优化器”和“连续体内存系统”两项技术改进，提升模型对不完美数据的鲁棒性并优化内存管理。研究团队基于此设计了概念验证模型“Hope”，其在语言建模、常识推理及长文本记忆测试中表现优异，显著优于现有模型。Hope在“大海捞针”测试中展现卓越长文本处理能力，为实现AI“温故知新”提供新方向。相关论文已被NeurIPS 2025接收。