罗盘 / 持续学习
暗星档案 · 未点亮的星有限资源下的可验证持续学习
本条为初评草案（AI 辅助编目 · 评于 2026-07-16）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
有限资源下的可验证持续学习T6 量级 · 行星
让 AI 持续获得新能力，同时可测量地保留旧能力和安全边界。
暗星编号DS-0305
轴E · 能量与能力前沿
领域ai-computing
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
回放、参数隔离、检索、编辑和适配器都能缓解灾难性遗忘，但在开放任务、长序列和有限存储下没有统一解。
卡在哪 · 机制级卡点
稳定—可塑性冲突、评测泄漏、任务边界未知与隐性安全回归难以同时测量。
谁在攻
持续学习、模型编辑、检索增强和长期 Agent 记忆团队。
怎么参与
读机器学习理论、神经科学中的记忆巩固（睡眠回放、突触固化）方向；可切入的子问题是「大模型尺度的遗忘测量」——现有 continual learning 基准几乎都是小模型玩具，把遗忘现象在 10B+ 尺度系统刻画清楚就是真贡献。ContinualAI 社区是开放的入口。
谁在攻这颗暗星 · 攻关者名录5 人
这不是终点站——今天在这颗暗星上攻坚的人，就是明天点亮它、登上星光榜的候选。名录含科研、创业与第三方三类关键角色，初评待核实，欢迎补充与纠正。
ACADEMIA学界 · 科研2
希多·范德芬Gido van de Ven研究员
鲁汶大学（KU Leuven）
提出持续学习「三种场景」分类框架与脑启发回放方法，厘清了灾难性遗忘的评测标准。
达维德·马尔托尼Davide Maltoni教授
博洛尼亚大学
持续学习基准与增量学习方法研究，ContinualAI 联合创始成员。
INDUSTRY业界 · 创业与工程2
拉娅·哈德塞尔Raia Hadsell研究总监
Google DeepMind
提出渐进式神经网络（Progressive Networks）等持续学习方法，长期正面攻灾难性遗忘。
詹姆斯·柯克帕特里克James Kirkpatrick研究员
Google DeepMind
弹性权重固化（EWC）论文主要作者，用突触重要性约束缓解神经网络的灾难性遗忘。
THIRD PARTY第三方 · 政策/资助/倡导1
文琴佐·洛莫纳科Vincenzo Lomonaco助理教授 / ContinualAI 主席
比萨大学 / ContinualAI
联合创立并主持 ContinualAI 开放社区，主导 Avalanche 持续学习开源框架，构建该方向的公共基础设施。
去哪家 · 机构与公司名录3 家 · 其中初创/成长期 2
给求职者和投资人的信息增量——不只是听过的大机构，更多是正在攻这颗暗星的初创与新公司（联网实搜、初创优先排序，初评待核实）。
Mem0初创
为 AI agent 建「记忆层」——外置、自改进的记忆随交互演进（走外部记忆路线绕开权重级遗忘）
↗ 被 AWS Agent SDK 选为独家记忆提供方，41k GitHub star、季度 API 调用从 3500 万涨到 1.86 亿——代表「用外部记忆规避灾难性遗忘」这条工程路线的领跑者
Sakana AI成长期
Transformer²（自适应 LLM）先分析任务再动态调整权重，模块化设计支持持续学习、增新技能而不灾难性遗忘
↗ David Ha 与 Transformer 原论文作者 Llion Jones 创立；把「自适应/持续学习」做进日本旗舰大模型公司，是架构级正面攻遗忘的少数玩家
ContinualAI非营利
推动 lifelong / continual learning 的基准、方法与开源协作的研究社区
↗ 持续学习领域最主要的开放社区入口，个人研究者切入「大模型尺度遗忘测量」这一真空子问题的正路