Om fundamentele AI vooruit te helpen, moeten we doorlopend leren en catastrofaal vergeten oplossen. Nieuw onderzoek van ons team introduceert Nested Learning (NL), een paradigma dat een ML-model beschouwt als een systeem van geneste optimalisatieproblemen. Deze benadering verenigt architectuur en optimalisatie, waardoor een diepere rekencapaciteit voor leren ontstaat. Dit is een cruciale stap in de richting van het creëren van modellen met de doorlopende leervermogens die we in de menselijke hersenen zien. Meer in de blog van Vahab Mirrokni en Ali Behrouz: Lees het NeurIPS 2025-paper: