CellularFlow：基于关联记忆的 LLM 持续学习方案
CellularFlow 是一个开源项目，探索大模型在不依赖全量微调的前提下实现持续学习。该项目引入基于关联记忆的架构，模拟生物记忆的检索与存储机制，让模型能够吸收新知识并保持长期记忆，从而降低重新训练的成本。对于关注模型架构、高效微调与领域知识增强的开发者而言，它提供了一种低成本实现能力迭代的新思路。
神经网络中的知识保持与信念修订
梳理了神经网络在知识保留、认知弃权以及证据触发修订方面的研究进展。当前的选择性预测、不确定性估计、持续学习和模型编辑等方向，分别解决了部分技术难题。但实际应用中，仍缺乏端到端的评估方案，无法同时验证模型在复杂推理中的认知暂停、来源追踪、证据修订以及局部变更控制能力，这也限制了其可靠性与可解释性。