谷歌在NeurIPS2025发了一篇非常前瞻性的论文：《NestedLe

谷歌在 NeurIPS 2025 发了一篇非常前瞻性的论文：《Nested Learning: The Illusion of Deep Learning Architectures》。它试图重塑深度学习的基本范式，直击当前大模型的三大痛点：模型无法持续学习：每次推理产生的反馈都无法写入长期记忆，下一次还是“从零开始”；版本之间也无法真正继承（RAG 只是外挂式补丁）。训练结束即“脑死亡”：参数一旦固化就无法再吸收新知识；所谓微调，本质是加一个旁路参数，不是真正的持续学习。Transformer 的更新方式过于粗粒度：参数是全局统一更新的；而 Nested Learning 引入了“快记忆/慢记忆”的多时间尺度，真正做到分层学习、分层更新。如果未来模型沿着这种方向演进，意味着：1）对算力与能耗的依赖将明显下降；2）模型可以在使用过程中不断与人类专家交互、共同进化；3）头部模型由于拥有更长的“经验链条”，领先优势会越拉越大，后来者越来越难追。综合来看，谷歌依然是这个赛道最值得保持高度关注的玩家之一，谢谢。