本文探讨了在线持续知识学习（OCKL），提出了新的基准和评估指标，以评估知识获取速度和保留率。研究表明，现有的持续学习方法在应对OCKL挑战时效果不足，强调了知识获取与保留之间的权衡。此外，提出了基于知识推理的预训练语言模型（OREO-LM），并探讨了大型语言模型在因果推理中的表现，强调知识对推理能力的重要性。

本论文介绍了在线持续知识学习（OCKL）的新问题，并提出了新的基准和评估指标。通过实证评估发现，现有的持续学习方法对OCKL的挑战不足。研究确定了影响知识获取和保留之间权衡的关键因素，推进了对在不断演化的环境中训练LLMs的理解。