Pour faire progresser l'IA fondamentale, nous devons résoudre l'apprentissage continu et l'oubli catastrophique. De nouvelles recherches de notre équipe introduisent l'Apprentissage Imbriqué (NL), un paradigme qui considère un modèle d'apprentissage automatique comme un système de problèmes d'optimisation imbriqués. Cette approche unifie l'architecture et l'optimisation, créant une capacité computationnelle plus profonde pour l'apprentissage. C'est une étape cruciale vers la création de modèles avec les capacités d'apprentissage continu observées dans le cerveau humain. Plus d'informations dans le blog de Vahab Mirrokni et Ali Behrouz : Lisez le document NeurIPS 2025 :