持续学习成AI研究焦点，多条技术路线并行推进
Karpathy 说大模型缺持续学习还得十年，但学界业界已多条路线并行攻坚，本文梳理各路线赌注与瓶颈。
持续学习（模型部署后像人一样不断吸收新知识而不遗忘）正成为AI热词。Karpathy 称现有大模型缺乏此能力，还需十年才能补上。但学界业界已分头探索：外部记忆、持续改写权重、重训练，甚至重新定义“学习”本身。核心难点不是学新，而是不忘——灾难性遗忘。
正文摘录
.jpg) Editor: Panda. Recently we've covered quite a few startups and research results targeting "continual learning," such as "[Mind Lab 连续发布 LoRA 最新进展，大模型「持续学习」新范式浮现](https://mp.weixin.qq.com/s?biz=MzA3MzI4MjgzMw==&mid=2651036336&idx=1&sn=16d6c08e1c6e861784ed923f1949788c&scene=21wechatredirect)", "[告别 KV Cache 枷锁，将长上下文压入权重，持续学习大模型有希望了？](https://mp.weixin.qq.com/s?biz=MzA3MzI4MjgzMw==&mid=2651010191&idx=1&sn=36960b72ba86f0ae194849221a4b308b&scene=21wechatredirect)", "[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](https://mp.weixin.qq.com/s?biz=MzA3MzI4MjgzMw==&mid=2651044025&idx=3&sn=329919b9bb8108ddc5d0f84bf942ff8c&scene=21wechatredirect)", "[能让 DeepSeek 自进化的 Harness！