Um die grundlegende KI voranzutreiben, müssen wir kontinuierliches Lernen und katastrophales Vergessen lösen. Neue Forschungen unseres Teams stellen Nested Learning (NL) vor, ein Paradigma, das ein ML-Modell als ein System von geschachtelten Optimierungsproblemen betrachtet. Dieser Ansatz vereint Architektur und Optimierung und schafft eine tiefere Rechenkapazität für das Lernen. Dies ist ein entscheidender Schritt zur Schaffung von Modellen mit den kontinuierlichen Lernfähigkeiten, die im menschlichen Gehirn zu beobachten sind. Mehr im Blog von Vahab Mirrokni und Ali Behrouz: Lesen Sie das NeurIPS 2025-Papier: