Sutton、OpenAI 联创押注的持续学习，有中国团队带着模型进场了

📌 一句话摘要

本文介绍持续学习（Continuous Learning）这一新兴 AI 赛道，深度解析 Mind Lab 的 Macaron V1 技术架构与商业路径，并将其置于硅谷同行的竞争格局中，探讨「参数空间迭代」与「提示词空间迭代」两条路线的本质差异与产业意义。

📝 详细摘要

持续学习正成为硅谷与国内 AI 创业的新热点。本文从「提示词空间的迭代」与「参数空间的迭代」两条路线的本质差异切入，介绍持续学习的核心逻辑：让模型在部署后通过行动获取经验、将经验沉淀进可训练参数，实现「用得越多越好用」。文章梳理了 Sutton、Thinking Machines Lab（TML）、Oak Lab 等硅谷明星玩家的布局，重点解析 Mind Lab 的 Macaron V1——基于 GLM-5.2 基座、采用 Mixture-of-LoRA 架构、原生支持 2M 上下文、首个完成大规模后训练的国内模型。技术层面，团队验证了 LoRA 在万亿参数 MoE 模型上强化学习无损（算力压至全参数微调的约 10%），并发现「群体智能」现象：198 个不同 adapter 多数投票可将 AIME24 准确率从 36.44% 提升至 48.67%。商业层面，Mind Lab 已实现两周 1000 万美元 ARR，核心交付的是模型在客户场景中的持续成长能力，而非单纯推理算力。文章最后指出，持续学习方向明确但技术尚未收敛，基模公司与垂直后训练公司之间的分工正在形成。

💡 主要观点

- 持续学习代表「参数空间的迭代」，将经验直接写入模型可训练参数，与依赖外部机制的「提示词空间迭代」形成结构性差异。 提示词、memory、RAG 等手段本质上是将经验保存在模型外部，每次使用需重新读取，上下文膨胀与记忆冲突不可避免；持续学习则将反复出现的行为变化沉淀为稳定参数，模型直接给出更合适的判断，无需重复加载上下文。

LoRA 在后训练中的效果已获充分验证，是持续学习在工程上成立的关键前提。 John Schulman 的《LoRA Without Regret》证明 LoRA 样本效率和最终性能与全参数微调一致；Mind Lab 在万亿参数稀疏 MoE 模型上进一步验证，LoRA 强化学习算力压至全参数微调约 10%，rank-1 配置仍稳定可靠。

Macaron V1 采用 Mixture-of-LoRA 架构，实现插件式能力扩展，不触动基座模型已有知识。 V1 在冻结的 GLM-5.2 基座上搭载四个 1B LoRA 专家（Chat/Agent/Coding/UI4A），新能力以 LoRA 插件形式加入，不同来源的专家可在同一基座上组合路由，学习新任务只需训新 LoRA 插入，无需重训整个模型。

「群体智能」现象揭示了 LoRA adapter 的新 scaling 维度：挂载模型越多，整体智能线性提升。 从同一模型出发、用不同数据顺序训出的 198 个 adapter 多数投票后，AIME24 准确率从 36.44% 升至 48.67%，超越从同一 adapter 重复采样的 43.78%，表明不同学习轨迹带来的差异具有互补性。

持续学习的商业逻辑正在转变：从卖 Token 到卖学习能力，数据与模型版本由客户自管理。 通用模型难以天然理解所有垂直场景，客户又不一定愿意交出核心数据给基模公司重训；LoRA 的成本弹性使轻量训练商业化可行，最小的个人级 LoRA 几十美元即可训练，企业级 LoRA 几万到几十万美元不等。

💬 文章金句

- 模型的能力不再停在训练结束的那一刻，用得越多，越好用。

• 我们希望训练模型这件事，最后能像调用模型一样简单。会用 Token，就能训 Token。
• 目前全世界都还没有找到好的方法。

📊 文章信息

AI 初评：88

来源：Founder Park

作者：Founder Park

分类：人工智能

语言：中文

阅读时间：19 分钟

字数：4707

标签： 持续学习, LoRA, AI Agent, 后训练, 强化学习

阅读完整文章