For å fremme grunnleggende AI må vi løse kontinuerlig læring og katastrofal glemsel. Ny forskning fra teamet vårt introduserer Nested Learning (NL), et paradigme som ser på en ML-modell som et system med nestede optimaliseringsproblemer. Denne tilnærmingen forener arkitektur og optimalisering, og skaper en dypere beregningskapasitet for læring. Dette er et avgjørende skritt mot å lage modeller med de kontinuerlige læringsevnene man ser i den menneskelige hjernen. Mer i bloggen av Vahab Mirrokni og Ali Behrouz: Les NeurIPS 2025-artikkelen: