闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 一种令人兴奋的全新的范式。 谷歌AI掌舵人Jeff Dean点赞了一项新研究，还是出自清华姚班校友 钟沛林 团队 之手。 Nested Learning嵌套学习 ，给出了大语言模型灾难性遗忘这一问题的最新答案！ 简单来说，Nested Learning（下称NL）就是让模型从扁平的计算网，变成像人脑一样有层次、能自我调整的学习系统。 论文里还提到，甚至人们常用的Transformer，其实本质是NL的简化版，它只是把NL的多层级拆成了单一层级的线性层，并没发挥出多层级 的优势。 基于NL范式的 Hope模型 ，在语言建模任务和长上下文记忆任务中的表现均优于Transformer，且论文已经被NeurIPS 2025接收。 下面就来看看这个新范式，究竟突破在何处？ 而嵌套学习NL则开辟了一条模仿人脑认知机制的新路径，灵感就源自于大脑的记忆工作原理。 人类大脑通过 在线巩固 和 离线巩固 两个互补的过程实现持续学习，短期内记忆快速更新，长期记忆则缓慢沉淀，不同层级的记忆系统按照 各自的节奏协同运作。 NL就是把这一套逻辑数字化，把机器学习模型重构为一套 嵌套式 ...