IT之家 10 月 30 日消息，谷歌研究团队于 10 月 27 日发布博文，公布一项名为“睡眠框架”（Sleep Framework）的持续学习研究成果，旨在攻克大语言模型发布后知识固化、难以吸纳新信息的难题。 该研究于 10 月 27 日由 Google Research 公开，相关论文标题为《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》。

谷歌指出，通常情况下，当前主流大模型在完成预训练后便进入较为静态的部署状态，其知识存在“截止日期”；若依赖上下文学习，新信息又会随会话结束而消失。如果直接用新数据反复微调，则易引发“灾难性遗忘”，即模型学会新知识后，原有能力显著降低。

谷歌的方案借鉴人类睡眠中的记忆巩固机制，将模型运行划分为“清醒阶段”和“睡眠阶段”。清醒时，模型接收并处理输入，将信息暂存于短期记忆；进入睡眠阶段后，模型暂停处理新输入，转而进行记忆整合与自我优化。

具体而言，“记忆巩固”环节通过参数扩展、混合专家记忆块和知识蒸馏，把脆弱的短期上下文信息写入长期参数，同时避免覆盖既有知识；“做梦”环节则让模型生成并筛选合成训练样本，借助强化学习反复练习，以提升推理与泛化能力。九游体育注意到，这一框架在实验中展现出显著效果。

实验显示，该框架在持续翻译、长上下文理解、事实知识吸收和数学推理等任务中优于多种基线方法：模型可处理最长约 1000 万 token 的上下文，并在未见语言的多阶段持续学习中保持接近零的性能下降；在 AIME 24/25 等数学基准上也取得更高准确率。

IT之家附上参考地址

• The sleep framework: A new way for LLMs to retain knowledge in continual learning
• Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories