ARTICLE / 极客公园

中美 NeoLab 对话:模型和 Agent 如何实现「持续学习」?

2026年09月28日 20:02 · 来自 极客公园

阅读原文 → 收藏

本文首发于 Founder Park 公众号 · 2026 年 8 月 25 日 持续学习是下一代大模型最重要的方向之一。 今天的 Agent 产品可以处理上百万次对话,积累大量的数据,经验在大量产生,但直到下一次训练,模型能力没有随之增长。 人类不是这样学习的。 林敏和 Andrew Chen 都是持续学习领域的长期研究者。林敏是 AMI Labs 创始科学家、AMI Labs 新加坡负责人,负责模型的训练系统与底层基础设施。AMI Labs 是 Yann LeCun 离开 Meta 后联合创立的新公司,专注于构建真正理解现实世界的智能系统。 Andrew Chen 是 Mind Lab 创始人兼总裁。Mind Lab 是心洲科技(Mindverse)旗下的前沿研究实验室,希望通过 LoRA 和后训练,让模型从新的交互和任务经验中持续获得能力。7 月底,Mind Lab 发布了基于 GLM 5.2 进行后训练的模型 Macaron V1,使用混合 LoRA 架构,原生支持持续学习。 8 月,在新加坡的 AGI Playground 2026 舞台上,林敏和 Andrew Chen 进行了一场深度对谈。对于 Agent 应该如何把经验转化为能力、并在真实世界中持续学习,两人给出了不同的答案。 林敏更强调世界模型。他认为,失败轨迹和没有明确好坏标签的信息,同样可以帮助 Agent 理解环境如何变化、行动会带来什么后果。Andrew 更看重 LoRA 与策略模型,相信足够强的 Agent