# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
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？
Nested Learning的核心逻辑很明确，即复杂AI模型不是“固定架构+独立算法”的组合，而是由多个嵌套/并行的「优化问题」构成的系统。
在大语言模型领域，一个核心痛点始终制约着技术突破，那就是模型仿佛患上了顺行性遗忘症。
预训练完成后便难以持续吸收新知识，只能依赖有限的上下文窗口或固化的历史参数，无法像人类一样实现知识的动态积累与迭代。
与此同时，传统深度学习依赖的堆层扩参模式也逐渐触及瓶颈，增加网络层数或放大模型规模往往无法带来预期中的能力提升，甚至可能导致训练低效、泛化能力不足等问题。
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的、多层级的优化体系，每个层级都拥有独立的上下文流和更新频率。
不同于传统深度学习扁平式的参数更新模式，NL中的每个组件都像是一个专属的联想记忆模块，有的快速响应实时输入数据，有的缓慢沉淀长期知识规律，通过层级化协作实现信息的高效处理与存储。
研究团队甚至发现，我们熟知的Transformer架构，本质上只是NL的简化版本，它的线性层结构相当于忽略了NL多层级协同的核心优势，并没有充分释放模型的潜力。
基于NL范式，研究团队推出了三大核心创新成果。
首先是深度优化器。
像Adam、SGD这样的传统优化器，只会按固定的公式处理梯度，并不懂记忆和预判复杂的规律，调参容易陷入僵化。
而NL的深度优化器靠预处理机制提前分辨梯度性质、用MLP神经网络替代线性记忆来存储过往梯度规律，能够预判梯度变化、灵活调参。
其次是自我修改模型。
让模型摆脱固定更新规则的束缚，在训练过程中自主学习“如何调整自身参数”，面对新领域数据时能灵活适配，无需人工干预修改架构。
最后是连续记忆系统。
将传统模型的短期/长期记忆二元结构升级为多尺度记忆链，不同MLP模块按不同频率更新，分别负责存储短期细节与长期规律，实现类似人类的分层记忆管理。
而这些创新最终凝聚为Hope模型。
经过测试，在语言建模与常识推理任务中，从760M到1.3B参数规模的Hope，表现均大幅超越Transformer、RetNet、DeltaNet等主流基线模型。
在Wiki文本困惑度、PIQA物理常识推理、Winograd指代消解等多项指标上，Hope要么以更低的困惑度展现出更优的语言建模能力，要么以更高的准确率证明了更强的推理水平。
嵌套学习NL的提出，本质上是对深度学习核心架构的一次范式重构。
它跳出了堆层扩参的惯性思维，转而从认知科学中汲取灵感，让模型从扁平的计算网络进化为分层协作的智能系统。
这种全新的范式或许能让AI真正摆脱静态模型的桎梏，像人类一样在持续学习中积累经验、优化能力，也可能为大语言模型的终身学习、长上下文推理等关键难题提供全新的解决方案。
而在这样一项研究的团队名单里，令人欣喜的是出现了清华姚班校友钟沛林的名字。
钟沛林，2016年毕业于清华姚班，2021年拿到哥伦比亚大学的计算机博士学位。并且从2021年起，他就加入了谷歌纽约研究院，担任算法与优化团队的科学家。
实际上，在进入清华姚班之前，他就已经是一位竞赛达人。
据网友透露，钟沛林的外公曾说，当时还在上中学的小钟每到深夜某一时间闹钟响起，题库开放时，就会和全球的小伙伴一起编程做题。
2012年，小钟代表雅礼中学出征国际信息学奥林匹克竞赛，并获得当年的IOI金牌。和钟沛林同年获得金奖的，还有顾昱洲、李超以及同为雅礼中学学子的艾雨青。
有意思的是，钟沛林和艾雨青两人是发小，艾雨青还曾透露自己是在钟沛林的影响下，走上IOI之路，两人并肩成为了那一年雅礼中学的双子星，保送至清华姚班。
虽然在写NL这篇论文时，钟沛林尚在谷歌纽约研究院就职。
△左：钟沛林 右：艾雨青
但目前，这对双子星已前后脚入职了Meta，分别担任AI科学家和软件工程师。
参考链接：
[1]https://x.com/JeffDean/status/1986938111839129858
[2]https://research.google/blog/introducing-nested-learning-a-new-ml-paradigm-for-continual-learning/
文章来自于微信公众号 “量子位”，作者 “量子位”
