Learning

近期关于“学习”的研究与实践呈现出多维度进展。一方面，AI训练与推理中的学习机制被深入探索，例如通过单一steering vector实现阈下学习并揭示向量蒸馏机制，以及神经符号学习在推理时进行论证来验证三元声明。另一方面，应用层面出现新工具，如Claude Code新增Learning模式以避免输出质量下降，NVIDIA Nemotron 3 Super经过后训练在复杂法律任务上媲美闭源前沿模型，Trajectory Labs在AI原生云上训练持续学习模型。此外，OpenAI将每周四设为学习日并推出加速器计划，强调持续学习的重要性。当前焦点集中在：如何让学习更高效、鲁棒，以及如何将学习机制应用于实际系统，如多模态知识编辑中的对抗子空间对齐方法。未来观察点包括：自我监督学习是否能突破当前LLM的局限，以及学习特征作为分类器的有效性是否超越传统激活方法。