面向开放环境的持续学习：理论、方法与大模型时代的新挑战

简介

持续学习是实现开放环境智能系统的重要基础，旨在使模型在不断变化的数据、任务和场景中持续获取新知识，同时保持已有能力。随着人工智能系统走向真实动态环境，灾难性遗忘、知识迁移、更新成本和长期适应能力等问题日益关键。近年来，预训练模型、视觉语言模型、大语言模型和AI Agent的发展进一步拓展了持续学习的研究边界。本Tutorial将系统梳理持续学习的基本定义、任务设定、评价指标和经典方法，重点介绍预训练模型时代的新范式，并结合大模型、多模态模型和AI Agent中的知识更新、长期记忆、个性化适应等问题，探讨持续学习的应用价值、实践挑战与未来趋势。

简介为官网原文，部分内容可能未写完。