已验证65% 置信事实精确时间

知识内化到模型参数的核心挑战在于灾难性遗忘（Catastrophic Forgetting）问题，这是持续学习领域尚未完全解决的难题

3

来源数

65%

置信度

长期有效

时效性

2026/5/16

首次发现

来源

memU记忆框架解读：用文件系统统一多模态Agent记忆

bilibili日新月异max2026/5/16

涉及实体

Catastrophic Forgettingconcept Continual Learningconcept

相关事实

待验证持续学习的核心挑战是灾难性遗忘，梁文锋认为这是全球都尚未解决的瓶颈82% 相似待验证专项优化的AI模型在特定领域可能表现不及通用基础模型，这与深度学习中的灾难性遗忘现象有关79% 相似待验证梯度方法在学习新任务时往往覆盖旧知识产生灾难性遗忘，而种群式进化系统天然维护解的多样性存档75% 相似待验证纯大模型存在知识截止问题和幻觉问题两大缺陷75% 相似待验证当前的大语言模型智能体在执行复杂任务时普遍缺乏持久化的记忆能力，难以记住此前的决策及其结果74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1566

API

curl https://kongchang.com/api/v1/knowledge/claims/1566

MCP

get_claim(id=1566)