伯克利神作背刺OpenAI：持续学习才是真神

文章作者、来源：新智元

伯克利等发布FST框架：通过快慢分层解决大模型持续学习死局。

AI工程师Dan McAteer大胆预言，2026年持续学习（continual learning）即将爆发！

通过记忆/上下文快速适应+权重缓慢调整的分层机制，模型保留可塑性避免灾难性遗忘，这一突破远超推理变革1000倍。

这是最近的伯克利等机构的AI实验给他的勇气。

他们让同一个大语言模型连续学三个任务：

先学需要多跳检索的事实核验HoVer；再学代码推理CodeIO；最后学物理题Physics。

每个任务训200步就切换，模拟真实世界里「任务在不断变化」的学习场景。

用主流的强化学习(RL)范式训练，模型在第一关HoVer上学会了。到了第二关CodeIO完全卡住。学不动。

换上他们提出的新框架FST（Learning，Fast and Slow），同一个模型，三关都能学会。

这是AI行业过去两年集体押注的某个方向，第一次显露出它的天花板。

标题：Learning, Fast and Slow: Towards LLMs That Adapt Continually预印本：https://arxiv.org/abs/2605.12484项目主页：https://gepa-ai.github.io/gepa/blog/2026/05/11/learning-fast-and-slow/

如果我们集体押注的那条路，正在让模型变成「会做题但学不会新东西的天才」，那我们押的到底是AI，还是一只越来越精致的鹦鹉？

「推理」成了AI圈的全部叙事

过去两年，几乎所有头部实验室都在做同一件事：让模型想得更深。

OpenAI的o系列、DeepSeek的R1、Claude的思考模式这些产品形态各异，但内核都是一个共识：推理能力是AI的下一关。

这个共识强到什么程度？

强到你今天去一线投资人那里，如果不能讲清楚自己怎么「做推理」（reasoning），连第一轮的门都进不去。

强到我们已经忘了去问：推理，到底是什么？

打一个比方，一个学生能把任何一道高考题想得无比深，推理链条无懈可击，逻辑结构滴水不漏。

但有一个前提，他从初中毕业那天起，就没再学过任何新知识。所有的知识储备，都停留在他16岁那年的状态。

你愿意把他的能力，称为「智能」吗？

这个比方可不是修辞。这是当前最先进LLM的真实处境。

GPT-5、Claude、Gemini等所有这些你今天能用上的模型，它们在每一次新对话开始时，都是一个昨天毕业、今天醒来、忘了一切的天才。

它们可以在一道题上推理得越来越深，但只要对话框一关，记忆就会清空，回到出厂设置般的「天才状态」。

它们是在推理的巨石上反复攀爬的数字西西弗斯——爬得越来越高，起点却永远是山脚。

问题是，为什么我们一直没察觉？

在AI历史上失败了30年，大家不敢再期待

为什么GPT不会从你和它的对话里学到任何东西？为什么你昨天教它的东西，今天打开一个新对话，它就完全不记得？

这是一堵30年没人推倒的墙。

AI领域的「持续学习」(Continual Learning)，研究怎么让模型像人一样，不断「温故知新，吐故纳新」。

这个问题从1990年代就在被研究，然后在三个老对手面前反复失败：

第一个对手叫「首因偏差」（primacy bias），早期数据会主导模型最终的策略。

模型学会的第一件事，会顽固地塑造它后面学所有事情的方式。

第二个对手叫「损失函数弹性」（loss of plasticity），即模型每多学一个任务，可塑性就降低一分。

到某个临界点，它就再也学不会任何新东西了。

第三个对手最有名，叫「灾难性遗忘」(catastrophic forgetting)——你教模型学新任务，它的旧能力「啪」地一下塌掉。

教它做数学题，它就忘了怎么写代码。教它写代码，它就忘了怎么对话。

这三个问题，在小模型时代就存在。

到了大模型时代，它们没有变小，只是变得不那么醒目。

因为我们干脆放弃了让模型「持续学习」，只在训练时灌一次知识，部署后就冻结。

我们今天用的所有LLM，本质上都是冻结的天才。

聪明，但不能再聪明。强大，但活在一个永恒的当下。

这就是为什么大模型时代，持续学习一直是个「听上去很美但谁也不敢碰」的话题。

试过的人都被这堵墙撞回来过。

但最近，这堵墙被一组研究者推了一道缝——他们没有发明新算法，他们做了一件更根本的事：重新分工。

让模型像大脑一样，快慢分层

这是Databricks工程力+伯克利系统派+经典ML学派绑在一起的项目。

作者豪华，值得一看：Matei Zaharia(Databricks联合创始人，Apache Spark作者)、Joseph Gonzalez(伯克利，vLLM作者之一)、Inderjit Dhillon(UT Austin与Google，ML领域元老级人物)——以及一群伯克利的博士。

当这三股力量同时押注一个方向，你就该认真看一眼。

他们提出的框架叫FST(Fast-Slow Training，快慢训练)。核心思想极其朴素：

不要让一组参数同时承担两个矛盾职能。

传统RL训练里，模型只有一组参数。

它既要「快速适应当前任务的特殊性」，又要「保留通用的推理能力」。

这两件事天然冲突：前者要漂移，后者要稳定。

FST的做法是：把这两件事分到两套「权重」上。

两者交替更新——每隔一段时间用RL调一下慢权重，同时用一个叫GEPA的prompt优化器自动演化快权重。

你的大脑，正是这样运作的。

在博客里，GEPA团队直接引用了「互补学习系统」理论(Complementary Learning Systems)：

你的海马体，是大脑的「快权重」，它在几分钟内就能记住今天下午开会时同事说的那句话；

你的新皮层，是「慢权重」，它用几个月甚至几年的时间，慢慢把这些细节里真正值得纳入长期结构的东西沉淀下来。

新记忆，从来没有直接写进大脑长期结构。

它先在海马体里「暂存」，在睡眠中被反复回放，最终只有极小一部分被慢慢渗透进新皮层——剩下的，你忘了。

FST第一次让大模型拥有了这种分层结构。

数字也很漂亮。

FST在CodeIO任务上达到RL同等性能，只用了1/3的训练步数——数据效率3倍。

在匹配准确率的情况下，FST训出来的模型与基础模型的KL散度(衡量分布偏移)比RL低70%——遗忘减少70%。

最关键的是可塑性测试：训完Math任务后，再训HoVer-hard，RL训过的模型几乎完全学不动新任务(可塑性塌缩到近0)，FST训过的模型，几乎恢复到基础模型水平继续学。

这是数量级跃迁。

当然，FST不是一个完美的算法。GEPA和CISPO可以被任何其他的prompt优化器和RL算法替换，它的工程实现还很初步。

重要的不是FST这个具体方法能不能跑通——重要的是它提出的"快慢分工"作为一种范式语言，第一次让持续学习从空想变成可工程化的方向。

还没形成的共识

共识正在形成，但还没形成。

这才是真实状态。

业界给的时间表是另一套。

Ilya Sutskever认为：超级智能应被重新定义为持续学习器，而非已完成的AGI。

他估算continual learning还要5到20年。

Ilya一向比业界共识慢，但每次保守判断都比业界更精准。5到20年的区间意味着，即使是 Ilya 也承认这件事会被解决，分歧只在节奏。

Karpathy更微妙。

在他看来，continual learning是真问题，用现有路径解决还不够。他的怀疑停在执行层面，方向层面没有反对。

但事情已经动了。

推理时代是2024年开局、2026 年收尾。

持续学习时代是2026年开局，下一轮博弈不会等到2027年。