10月30日消息，谷歌研究团队于10月27日发布博文，介绍一项名为睡眠框架的持续学习研究成果，试图解决大语言模型发布后知识固化、难以吸收新信息的难题。相关论文题为《Language Models Need Sleep: Learning to Self-Modify and Consolidate Memories》。

谷歌指出，当前主流大模型在完成预训练后便进入相对静态的部署状态，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丢失。若直接用新数据反复微调，则容易引发灾难性遗忘，模型学会新知识后原有能力显著下降。

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改进。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。

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AIME24/25等数学基准上也取得更高准确率。