作者丨邓哲敏 

    编辑丨齐铖湧

今天教会机器人拧瓶盖，明天再让它抓杯子，它可能又把拧瓶盖忘得一干二净。

反观人类，这类现象极少出现。人脑拥有成熟的记忆分工体系，新旧知识有序存储，习得新事物的同时不会冲刷掉旧有认知。

这套终身学习的机制，其实是当下大模型同样欠缺的。Demis Hassabis、梁文锋与 Ilya Sutskever 都指出过大模型的固有短板：通过微调注入新知识时，往往会丢掉过往已经掌握的技能；即便靠超长上下文临时读取新信息，也无法把经验真正固化进模型本体。

灾难性遗忘一直是微调范式下挥之不去的痛点，也由此推动持续学习成为近年来的研究热点，尤其是在 LLM-Agent 赛道，人们希望打造能在部署后不断吸收经验、修正认知，同时保留原有能力的智能体。

眼下，具身的处境十分微妙。宇树上市后市场反响不算热烈，多少折射出具身智能商业化的现实挑战。可越是如此，持续学习对具身的长期价值越躲不过去：机器人要在真实世界干活，若始终“学新忘旧”，那比大模型更致命。

阿尔伯塔大学强化学习团队正是想补上这块基础短板，提出一套基于快速学习加元学习双系统的持续强化学习框架，论文已被 ICRL 2026 收录。AI科技评论（雷峰网公众号）联系到论文的两位共同第一作者张鸿铭、孙科，和他们聊了聊论文背后的思路，以及他们对持续强化学习这个方向的判断。

论文链接：https://arxiv.org/abs/2603.00903

01

从经验方法走向原则性分析框架

传统强化学习有个默认前提：环境是不变的。奖励函数固定，状态转移固定，智能体只要在一亩三分地里磨到最优就行。

现实世界却完全相反，一个真正具有持续学习能力的智能体需要同时具备两种能力：可塑性，即面对新任务时，可以快速学习并适应；稳定性，即学习新任务之后，仍然能够保留过去已经掌握的知识。

    作者丨邓哲敏 

    编辑丨齐铖湧

今天教会机器人拧瓶盖，明天再让它抓杯子，它可能又把拧瓶盖忘得一干二净。

反观人类，这类现象极少出现。人脑拥有成熟的记忆分工体系，新旧知识有序存储，习得新事物的同时不会冲刷掉旧有认知。

这套终身学习的机制，其实是当下大模型同样欠缺的。Demis Hassabis、梁文锋与 Ilya Sutskever 都指出过大模型的固有短板：通过微调注入新知识时，往往会丢掉过往已经掌握的技能；即便靠超长上下文临时读取新信息，也无法把经验真正固化进模型本体。

灾难性遗忘一直是微调范式下挥之不去的痛点，也由此推动持续学习成为近年来的研究热点，尤其是在 LLM-Agent 赛道，人们希望打造能在部署后不断吸收经验、修正认知，同时保留原有能力的智能体。

眼下，具身的处境十分微妙。宇树上市后市场反响不算热烈，多少折射出具身智能商业化的现实挑战。可越是如此，持续学习对具身的长期价值越躲不过去：机器人要在真实世界干活，若始终“学新忘旧”，那比大模型更致命。

阿尔伯塔大学强化学习团队正是想补上这块基础短板，提出一套基于快速学习加元学习双系统的持续强化学习框架，论文已被 ICRL 2026 收录。AI科技评论（雷峰网公众号）联系到论文的两位共同第一作者张鸿铭、孙科，和他们聊了聊论文背后的思路，以及他们对持续强化学习这个方向的判断。

论文链接：https://arxiv.org/abs/2603.00903

01

从经验方法走向原则性分析框架

传统强化学习有个默认前提：环境是不变的。奖励函数固定，状态转移固定，智能体只要在一亩三分地里磨到最优就行。

现实世界却完全相反，一个真正具有持续学习能力的智能体需要同时具备两种能力：可塑性，即面对新任务时，可以快速学习并适应；稳定性，即学习新任务之后，仍然能够保留过去已经掌握的知识。