推导出梯度步长应随历史知识有效秩按√R增长的节奏律，实现持续学习稳定-可塑性的最优平衡

用 GMM 门控把微调更新的影响限制在新数据支撑域内，让大模型学新不忘旧

构建多阶段后训练基准，诊断智能体遗忘机制，提出LoRA专家混合方法MLE

路由器与智能体在强化学习闭环中共同进化，用隐状态熟悉度评分实现自适应路由与能力分化。

数据/函数/权重锚点与合并LoRA组合，将100任务留存率从1.2%提升至34.9%

把研究者协作转化为任务与评分规则，嵌套耦合外壳进化与模型强化学习，实现科研智能体持续自改进。

把循环状态视为读后写语义下的在线学习器，导出归一化 Falcon 更新族，提升长度外推

RLVR 在提升当前任务的同时，会把未来任务的成功轨迹挤到固定预算内难以采样

冻结底座叠加LoRA专家、递归自我改进闭环，让智能体部署后持续学习

用源自土壤微生物网络的图韧性指数作正则项，显著缓解 LLM 微调的灾难性遗忘

用When/Where/How三轴框架重定义大模型时代的持续学习

提出评估智能体在长任务流中持续学习与技能演化的动态基准

统一流式评估框架揭示自演化智能体收益受场景、模型与方法的共同制约。

首次将多教师在线策略蒸馏用于跨平台GUI智能体持续学习，解决行为模式混合和灾难性遗忘问题

SDPO在专业化任务上表现强劲但持续学习中易遗忘

持续学习系统，自动编写机器人程序并积累可重用技能库

提出AGENTODYSSEY评估框架，通过程序化生成文本游戏测试代理五大关键能力

用数据集蒸馏创建紧凑源锚点，提升持续测试时适应的稳定性

揭示多迭代经验学习中能力崩溃问题，提出原理级经验、逐步注入和off-policy蒸馏的稳定内化方案

提出受人类睡眠启发的范式，让LLM通过知识蒸馏与做梦实现持续学习与自我改进。