För att utveckla grundläggande AI måste vi lösa kontinuerligt lärande och katastrofal glömska. Ny forskning av vårt team introducerar Nested Learning (NL), ett paradigm som ser en ML-modell som ett system av nästlade optimeringsproblem. Den här metoden förenar arkitektur och optimering, vilket skapar en djupare beräkningskapacitet för inlärning. Detta är ett viktigt steg mot att skapa modeller med de kontinuerliga inlärningsförmågor som ses i den mänskliga hjärnan. Mer i bloggen av Vahab Mirrokni och Ali Behrouz: Läs artikeln NeurIPS 2025: