伯克利神作背刺OpenAI：持續學習才是真神！

新智元報道

【新智元導讀】伯克利等發布FST框架：通過快慢分層解決大模型持續學習死局。

AI工程師Dan McAteer大膽預言，2026年持續學習（continual learning）即將爆發！

通過記憶/上下文快速適應+權重緩慢調整的分層機制，模型保留可塑性避免災難性遺忘，這一突破遠超推理變革1000倍。

這是最近的伯克利等機構的AI實驗給他的勇氣。

他們讓同一個大語言模型連續學三個任務：

先學需要多跳檢索的事實核驗HoVer；再學代碼推理CodeIO；最后學物理題Physics。

每個任務訓200步就切換，模擬真實世界里「任務在不斷變化」的學習場景。

用主流的強化學習(RL)范式訓練，模型在第一關HoVer上學會了。到了第二關CodeIO完全卡住。學不動。

換上他們提出的新框架FST（Learning，Fast and Slow），同一個模型，三關都能學會。

這是AI行業過去兩年集體押注的某個方向，第一次顯露出它的天花板。

標題：Learning, Fast and Slow: Towards LLMs That Adapt Continually

預印本：https://arxiv.org/abs/2605.12484

項目主頁：https://gepa-ai.github.io/gepa/blog/2026/05/11/learning-fast-and-slow/

如果我們集體押注的那條路，正在讓模型變成「會做題但學不會新東西的天才」，那我們押的到底是AI，還是一只越來越精致的鸚鵡？

「推理」成了AI圈的全部敘事

過去兩年，幾乎所有頭部實驗室都在做同一件事：讓模型想得更深。

OpenAI的o系列、DeepSeek的R1、Claude的思考模式這些產品形態各異，但內核都是一個共識：推理能力是AI的下一關。

這個共識強到什么程度？

強到你今天去一線投資人那里，如果不能講清楚自己怎么「做推理」（reasoning），連第一輪的門都進不去。

強到我們已經忘了去問：推理，到底是什么？

打一個比方，一個學生能把任何一道高考題想得無比深，推理鏈條無懈可擊，邏輯結構滴水不漏。

但有一個前提，他從初中畢業那天起，就沒再學過任何新知識。所有的知識儲備，都停留在他16歲那年的狀態。

你愿意把他的能力，稱為「智能」嗎？

這個比方可不是修辭。這是當前最先進LLM的真實處境。

GPT-5、Claude、Gemini等所有這些你今天能用上的模型，它們在每一次新對話開始時，都是一個昨天畢業、今天醒來、忘了一切的天才。

它們可以在一道題上推理得越來越深，但只要對話框一關，記憶就會清空，回到出廠設置般的「天才狀態」。

它們是在推理的巨石上反復攀爬的數字西西弗斯——爬得越來越高，起點卻永遠是山腳。

問題是，為什么我們一直沒察覺？

在AI歷史上失敗了30年，大家不敢再期待

為什么GPT不會從你和它的對話里學到任何東西？為什么你昨天教它的東西，今天打開一個新對話，它就完全不記得？

這是一堵30年沒人推倒的墻。

AI領域的「持續學習」(Continual Learning)，研究怎么讓模型像人一樣，不斷「溫故知新，吐故納新」。

這個問題從1990年代就在被研究，然后在三個老對手面前反復失敗：

第一個對手叫「首因偏差」（primacy bias），早期數據會主導模型最終的策略。

模型學會的第一件事，會頑固地塑造它后面學所有事情的方式。

第二個對手叫「損失函數彈性」（loss of plasticity），即模型每多學一個任務，可塑性就降低一分。

到某個臨界點，它就再也學不會任何新東西了。

第三個對手最有名，叫「災難性遺忘」(catastrophic forgetting)——你教模型學新任務，它的舊能力「啪」地一下塌掉。

教它做數學題，它就忘了怎么寫代碼。教它寫代碼，它就忘了怎么對話。

這三個問題，在小模型時代就存在。

到了大模型時代，它們沒有變小，只是變得不那么醒目。

因為我們干脆放棄了讓模型「持續學習」，只在訓練時灌一次知識，部署后就凍結。

我們今天用的所有LLM，本質上都是凍結的天才。

聰明，但不能再聰明。強大，但活在一個永恒的當下。

這就是為什么大模型時代，持續學習一直是個「聽上去很美但誰也不敢碰」的話題。

試過的人都被這堵墻撞回來過。

但最近，這堵墻被一組研究者推了一道縫——他們沒有發明新算法，他們做了一件更根本的事：重新分工。

讓模型像大腦一樣，快慢分層

這是Databricks工程力+伯克利系統派+經典ML學派綁在一起的項目。

作者豪華，值得一看：Matei Zaharia(Databricks聯合創始人，Apache Spark作者)、Joseph Gonzalez(伯克利，vLLM作者之一)、Inderjit Dhillon(UT Austin與Google，ML領域元老級人物)——以及一群伯克利的博士。

當這三股力量同時押注一個方向，你就該認真看一眼。

他們提出的框架叫FST(Fast-Slow Training，快慢訓練)。核心思想極其樸素：

不要讓一組參數同時承擔兩個矛盾職能。

傳統RL訓練里，模型只有一組參數。

它既要「快速適應當前任務的特殊性」，又要「保留通用的推理能力」。

這兩件事天然沖突：前者要漂移，后者要穩定。

FST的做法是：把這兩件事分到兩套「權重」上。

兩者交替更新——每隔一段時間用RL調一下慢權重，同時用一個叫GEPA的prompt優化器自動演化快權重。

你的大腦，正是這樣運作的。

在博客里，GEPA團隊直接引用了「互補學習系統」理論(Complementary Learning Systems)：

你的海馬體，是大腦的「快權重」，它在幾分鐘內就能記住今天下午開會時同事說的那句話；

你的新皮層，是「慢權重」，它用幾個月甚至幾年的時間，慢慢把這些細節里真正值得納入長期結構的東西沉淀下來。

新記憶，從來沒有直接寫進大腦長期結構。

它先在海馬體里「暫存」，在睡眠中被反復回放，最終只有極小一部分被慢慢滲透進新皮層——剩下的，你忘了。

FST第一次讓大模型擁有了這種分層結構。

數字也很漂亮。

FST在CodeIO任務上達到RL同等性能，只用了1/3的訓練步數——數據效率3倍。

在匹配準確率的情況下，FST訓出來的模型與基礎模型的KL散度(衡量分布偏移)比RL低70%——遺忘減少70%。

最關鍵的是可塑性測試：訓完Math任務后，再訓HoVer-hard，RL訓過的模型幾乎完全學不動新任務(可塑性塌縮到近0)，FST訓過的模型，幾乎恢復到基礎模型水平繼續學。

這是數量級躍遷。

當然，FST不是一個完美的算法。GEPA和CISPO可以被任何其他的prompt優化器和RL算法替換，它的工程實現還很初步。

重要的不是FST這個具體方法能不能跑通——重要的是它提出的"快慢分工"作為一種范式語言，第一次讓持續學習從空想變成可工程化的方向。

還沒形成的共識

共識正在形成，但還沒形成。

這才是真實狀態。

業界給的時間表是另一套。

Ilya Sutskever認為：超級智能應被重新定義為持續學習器，而非已完成的AGI。

他估算continual learning還要5到20年。

Ilya一向比業界共識慢，但每次保守判斷都比業界更精準。5到20年的區間意味著，即使是 Ilya 也承認這件事會被解決，分歧只在節奏。

Karpathy更微妙。

在他看來，continual learning是真問題，用現有路徑解決還不夠。他的懷疑停在執行層面，方向層面沒有反對。

但事情已經動了。

推理時代是2024年開局、2026 年收尾。

持續學習時代是2026年開局，下一輪博弈不會等到2027年。

參考資料：

https://arxiv.org/pdf/2605.12484

https://gepa-ai.github.io/gepa/blog/2026/05/11/learning-fast-and-slow/

https://x.com/daniel_mac8/status/2055975372345274519

編輯：KingHZ David