文章探讨了人工智能（AI）内存的变革，强调事件记忆的重要性。AI需要记录过去的行为以支持复杂决策，事件作为核心数据模型，有助于追溯决策过程，提升可解释性和持续学习能力。这一转变将推动AI基础设施的发展，解决记忆的时序化问题。

技术行业变化迅速，持续学习成为技术团队的核心需求。学习管理系统（LMS）为企业提供集中培训、跟踪进度和支持职业发展的平台，提升培训的一致性和效率，促进持续学习文化的建立。

纽约大学与LeCun初创公司AMI合作推出了AdaJEPA，旨在提升世界模型的持续学习能力。与传统模型不同，AdaJEPA能够在与环境交互时实时调整参数，通过闭环反馈机制不断校准模型。实验结果显示，AdaJEPA在应对环境变化时的规划成功率显著提高，且在线更新延迟极低，展现了其在动态环境中的鲁棒性。

AReaL 2.0 版本发布，旨在提升智能体在真实业务中的持续学习能力。通过记录任务交互，智能体能够在安全环境中优化模型，适应复杂变化的任务。该系统引入数据代理机制，确保数据安全管理。AReaL 项目由蚂蚁集团等发起，未来将继续推动智能体生态发展。

英伟达推出ASPIRE技能库，赋予机器人持续学习能力。ASPIRE通过记录操作过程和分析失败原因，积累可复用技能，提升机器人在新任务中的成功率，显著改善训练效率，使机器人更智能和适应性强。

根据Linux基金会的报告，安全准备已成为AI采用的最大障碍。尽管67%的公司面临加速部署AI的压力，但57%的组织优先提升现有员工技能以应对人才短缺。48%的组织将安全和隐私问题视为AI实施的主要障碍。报告强调企业需重视安全准备和持续学习，以确保AI的成功应用。

Gauntlet是一个新系统，通过模拟代理与主代理的互动，测试代理在面对挑战时的表现。它利用Elasticsearch进行记忆管理，自动生成攻击假设并记录错误，以提升测试效率。Gauntlet旨在持续学习和创新，解决传统测试方法的局限性，未来计划包括扩展和探索新攻击策略。

Demis Hassabis 认为当前 AI 技术距离通用人工智能（AGI）还有 50% 的概率需要关键突破，主要在持续学习、长程推理和记忆方面。他指出现有的上下文处理方法不足以应对复杂任务，未来的进步将依赖于旧技术的重新应用。此外，Hassabis 强调智能体仍在实验阶段，缺乏持续学习能力，并建议创业者关注 AI 与硬科学的交叉点，以及 AGI 对商业计划的影响。

Conducty是一个开源工具，利用Obsidian知识库帮助AI进行项目管理和持续学习。它通过结构化文档系统解决AI记忆不足的问题，形成高效的开发流程，包括规划、执行、验证和改进。Conducty的循环周期确保每次计划都能积累经验，提升AI的协作能力，实现更精准的项目管理。

智平方发布了全球首个开源具身智能模型社区AlphaBrain Platform，提供一整套顶尖技术工具，旨在简化开发者使用和比较模型的过程。该平台集成了五大核心技术，降低了训练门槛，支持持续学习，推动具身智能的应用落地。智平方的目标是成为行业标准的制定者，提升中国在具身智能领域的竞争力。

Hermes Agent是一款开源智能体，强调持续学习和自我进化，能够自动提取和保存可复用技能，支持多平台和消息应用。用户可通过简单命令安装并配置，与智能体对话。Hermes在深度研究项目中表现优于OpenClaw，具备自动化任务和多子代理并行运行的能力。尽管目前没有技能市场，其低成本运行吸引了用户关注。

AI的持续学习可分为模型、工具和上下文三个层面。模型层关注权重更新，工具层优化代码，上下文层涉及指令和技能。这些层次的理解有助于构建能够随时间改进的系统。

Google Research在2025年NeurIPS上提出了“嵌套学习”新范式，旨在解决AI的“灾难性遗忘”问题。该方法将模型架构与优化算法整合为多层次的嵌套优化系统，提升AI的持续学习能力。Hope架构的实验结果显示其在语言建模和长上下文任务中表现优异，标志着AI向人类学习能力的进一步靠近。

Adi Polak、Sarah Usher和Matthias Niehoff探讨了软件工程师转型为数据工程师的挑战与机遇。他们指出数据工程的重要性，强调数据与软件工程的界限日益模糊，技能交叉应用至关重要。团队合作和持续学习是成功的关键，尤其在快速发展的数据领域。

刘明成为首位HCCDE-GaussDB认证专家，经历了从Oracle到GaussDB的转变。他在数据库领域积累了丰富经验，认为认证是提升团队能力的起点，并提倡持续学习以应对技术变化。

Ryan与Pathway的CEO Zuzanna和CCO Victor讨论了Baby Dragon Hatchling模型，强调其在持续学习和记忆方面的创新。Mary Technology的COO Rowan介绍了AI如何帮助律师处理法律证据，提高工作效率。Pathway的模型旨在解决当前LLM的注意力和学习能力问题，而Mary Technology则专注于将法律文件转化为结构化信息。