世界模型与持续学习

世界模型与持续学习：自适应智能体如何记忆与遗忘 —— 本册为《智能体走进现实》系列中关于自主人工智能前沿的综述。

全书框架（章节主题）：

• 绪论 —— 世界模型与持续学习的交汇：从认知科学到人工智能
• 持续学习的基本范式与灾难性遗忘问题
• 世界模型的数学基础 —— 从认知表征到预测编码
• 世界模型架构设计 —— 离散化、连续潜空间与混合表征
• 持续强化学习中的世界模型：知识保持与任务适应
• 生成式回放与梦境机制：世界模型驱动的记忆巩固
• 在线持续学习：数据流、概念漂移与实时适应
• 迁移学习、领域适应与持续学习之间的理论关联
• 元学习与持续学习：学会学习与快速适应
• 基于正则化的持续学习方法：从弹性权重巩固到参数高效微调
• 基于回放的持续学习：经验回放、缓冲区管理与选择性保留
• 基于架构扩展的持续学习：子空间、模块化与参数增长
• 联邦持续学习：分布式环境中的知识保持与隐私保护
• 机器人持续学习中的世界模型：从仿真到真实世界
• 多模态持续学习：适应联合视觉—语言—动作表征
• 持续学习基准与评估体系：从人工序列到真实数据
• 大语言模型与基础模型时代的持续学习
• 持续学习的理论分析：统计物理、最优控制与泛化界
• 开放挑战与未来方向：迈向真正的自适应智能体
• 结语：对世界模型与持续学习统一框架的展望

目标读者。 具备机器学习基础、希望系统了解世界模型与持续学习交汇点的人工智能领域研究者、工程师与进阶爱好者。

---