产业观察
中美 NeoLab 对话:模型和 Agent 如何实现「持续学习」?
📋总体概括
2026年8月,在新加坡AGI Playground 2026舞台上,AMI Labs创始科学家林敏与Mind Lab创始人Andrew Chen就大模型与Agent的「持续学习」展开对谈。当前Agent虽能积累海量对话与经验数据,但模型能力在下一次训练前无法增长,这是与人类学习方式的根本差异。AMI Labs由Yann LeCun离开Meta后联合创立,专注构建理解现实世界的智能系统;Mind Lab是心洲科技旗下实验室,7月底发布了基于GLM 5.2后训练、采用混合LoRA架构、原生支持持续学习的Macaron V1模型。双方对Agent如何将经验转化为能力给出了不同路径的答案。
⚡关键信息
- ▸持续学习被视为下一代大模型最重要的方向之一,核心痛点是Agent经验积累与模型能力增长脱节
- ▸AMI Labs由Yann LeCun离开Meta后联合创立,林敏任创始科学家兼新加坡负责人,负责训练系统与底层基础设施
- ▸Mind Lab为心洲科技(Mindverse)旗下前沿研究实验室,主打LoRA与后训练让模型从交互经验中持续获得能力
- ▸7月底Mind Lab发布基于GLM 5.2后训练的Macaron V1,采用混合LoRA架构,原生支持持续学习
- ▸对谈发生在8月新加坡AGI Playground 2026,两位研究者对经验转化为能力的路径存在分歧
🔥犀利点评
持续学习听着性感,本质却是训练范式的补课——现在的模型还是「批量学习」的化石,推理阶段攒了一堆经验却只能等下次重训。Macaron V1用LoRA做持续学习是务实路线,但LoRA的灾难性遗忘问题不解决,所谓原生支持就是营销话术。LeCun下场搞世界模型,另一边用后训练修修补补,两条路线谁能先让模型真正「长记性」,才是AGI叙事下真正值得押注的分岔口。
📰 相关资讯(与本文相关的其他资讯)
本文由本站自动聚合,以下为原始来源:前往 极客公园 阅读全文 →