大模型也得「睡觉」了：Google 的这篇论文，戳中了AI 的最大软肋

通过离线整理和自我训练，让新知识真正留下来。

作者丨郑佳美

编辑丨马晓宁

今天，Google 研究员 Ali Behrouz 在 X 上分享了团队的一项研究《Language Models Need Sleep》。

他提出，当大模型开始走向持续学习，过去那种“先训练、再使用”的模式可能已经不够了。未来的模型或许需要在“清醒”和“睡眠”之间不断切换：清醒时接收信息、处理任务，睡眠时整理记忆，再通过“做梦”继续训练自己。

大模型也得“睡觉”？

这句话听起来有些奇怪。AI 向来被认为不需要休息，可以一天 24 小时回答问题、分析文件、执行任务。

但研究团队所说的“睡眠”，并不是让服务器关机，更不是让模型模仿人类作息。它真正指向的是一个长期没有解决的问题：大模型一直在工作，却很难从这些工作中真正积累经验。

今天纠正过的错误，换一个对话后可能还会再犯；刚刚掌握的规则，一旦离开当前上下文，也可能随之消失。模型看起来随时都在学习，实际上，大量新信息只是暂时停留在对话里，并没有真正进入模型。

Ali Behrouz 团队希望给模型增加一个专门的“整理阶段”。模型先在清醒时接触世界，再在睡眠时回顾近期经验，把有价值的信息留下来。

这个思路听起来像是在模仿人类记忆，背后讨论的却是大模型持续学习中最棘手的问题：怎样让模型学会新东西，又不把原来会的东西忘掉。

01

大模型为什么不会越用越聪明

现在的大模型并不是完全没有记忆。它可以读取当前对话，也可以连接数据库、搜索系统和用户档案。用户在对话中告诉它一套新规则，它通常能立刻照着执行；系统提前保存了用户偏好，它也能在下次对话时重新调取。

但“能看到过去的信息”和“真正学会这些信息”并不是一回事。

上下文更像模型面前的一张临时便签。只要便签还在，模型就可以参考；一旦内容被移出上下文，之前表现出来的适应能力往往也会消失。外部记忆也是类似的逻辑，只不过便签被放进了数据库，需要时再拿出来。

真正稳定的知识通常储存在模型参数中。模型在预训练和微调阶段获得的语言、事实和推理能力，都以参数的形式保留下来。问题在于，参数不像上下文那样可以随时更新。每次修改都需要新的数据和训练，还可能影响原来已经形成的能力。

这就是持续学习中的“灾难性遗忘”。模型学习一批新知识时，会修改原有参数，而这些参数往往还承担着其他任务。新能力提高了，旧能力却可能随之下降。模型不是简单地在空白处增加内容，而是在一套已经高度耦合的知识结构上继续改动。

因此，大模型真正缺少的不是更长的上下文，也不是更大的数据库，而是一条从短期经验通向长期知识的路径。它需要先接收信息，再判断哪些内容值得保留，最后把新知识安全地融入已有能力。

“睡眠”正是被放在这个位置。模型在清醒时快速适应，不急着立刻修改自己；等到任务告一段落，再集中处理近期经验。这样既保留了上下文学习的速度，也给长期更新留下了更稳定的空间。

02

「睡眠」如何把短期经验变成长期记忆

进入睡眠阶段后，模型首先要做的不是生成更多内容，而是整理已有信息。

研究团队提出了一种名为 “Knowledge Seeding” 的方法，可以理解为“知识播种”。已经掌握近期信息的模型状态充当教师，把这些知识迁移到一个容量更大的模型状态中。新增参数负责容纳新知识，原有参数则尽量保持稳定。

普通微调通常在同一套参数上不断更新。新任务越多，模型越容易在原有知识上反复覆盖。“知识播种”换了一种思路：与其不断修改已经写满的页面，不如为模型增加新的页面，让新知识拥有相对独立的空间。

这个设计解决的是持续学习中的“稳定”和“可塑”问题。模型需要保持足够的可塑性，才能接收新知识；同时也需要足够稳定，避免每次更新都破坏原有能力。两者很难同时实现。模型太稳定，就学不动；模型太容易改变，又会不断遗忘。

“睡眠”把这两种需求分开处理。清醒阶段允许模型快速变化，用来应对眼前任务；睡眠阶段则放慢更新速度，把短期知识迁移到更稳定的位置。完成迁移后，负责快速学习的部分可以重新释放，为下一批信息腾出空间。

这也说明，持续学习并不等于把所有信息都永久保存。真正成熟的系统必须建立不同层次的记忆：有些内容只在当前任务中有用，有些经验值得保留一段时间，还有少数知识需要进入长期参数。

模型需要处理的，不只是“记不记得”，还有“应该记多久”“存在哪里”以及“是否会与原有知识冲突”。从这个角度看，“睡眠”更像一次内部整理，而不是一次普通更新。

但知识被保存下来，并不代表模型已经真正会用了。它还需要在不同场景中反复调用这些知识，检查自己到底掌握了多少。这就引出了研究中的另一个环节——“做梦”。

03

AI「做梦」，

是在把经历重新变成训练材料

研究团队把模型生成合成训练数据的过程称为 “Dreaming”。

这里的“做梦”并不神秘。模型会围绕近期学到的知识生成新问题，再用这些问题训练自己。假设模型刚刚掌握一种新的推理方法，它可以生成一组难度不同的任务，检查自己能否在新场景中继续使用这套方法。

如果模型在某类任务上表现不稳定，它还可以生成更多相关样本，专门练习薄弱部分。一次真实任务由此不再只产生一个答案，还可能变成下一轮训练的起点。

对于 AI Agent 来说，这一点尤其重要。一个编程 Agent 如果连续几次在同类依赖冲突上失败，传统系统最多把失败记录保存下来。下一次遇到类似问题时，模型仍然需要重新阅读日志、重新分析。具备“做梦”能力后，Agent 可以围绕这些失败生成更多变体，练习如何识别问题、选择方案和避开错误。

这让“使用”和“训练”之间的界限开始变得模糊。模型不再只依赖开发者提前准备好的数据，它在真实任务中获得的经验，也可以经过整理后重新进入训练流程。

不过，让模型自己给自己出题，也可能把错误越练越熟。模型如果最开始就理解错了，后续生成的数据很可能继续建立在错误基础上。反复训练不会自动纠正偏差，反而可能让错误更加稳定。

因此，“做梦”不能只是大量生成数据。系统还需要判断哪些样本真正有价值，哪些只是重复，哪些可能包含错误。外部验证、奖励评估、能力测试和版本回滚都不可缺少。

一个真正会学习的模型，不只是能生成更多训练材料，还应该知道自己哪里不足、练习有没有效果，以及更新后是否损害了其他能力。能够管理自己的学习过程，才是“做梦”机制真正想达到的目标。

04

持续学习会把大模型变成什么

当前的大模型更像一件集中生产的产品。开发者完成预训练、微调和安全对齐，再向用户提供一个相对固定的版本。模型上线后负责回答问题，能力更新则要等到下一次重新训练。

“清醒—睡眠”循环会改变这种产品逻辑。模型在工作中接触新任务，在睡眠阶段更新自己，再以新的状态继续工作。发布时的能力不再决定模型的全部表现，部署后的经历也会逐渐影响它的发展。

这可能改变行业评价大模型的方式。过去，人们主要关注参数规模、上下文长度、推理速度和基准测试成绩。这些指标衡量的是模型在发布那一刻有多强。持续学习模型还需要接受另一组考验：运行半年后学到了什么，吸收新知识时有没有遗忘旧能力，错误更新能不能被撤销。

长期来看，模型的成长质量可能和初始能力同样重要。一个发布时表现很强、上线后却始终停留在原地的模型，未必比一个能够稳定吸收经验的模型更有价值。

但模型不断变化后，管理难度也会迅速增加。不同用户会提供不同任务、数据和反馈，模型可能逐渐形成不同的发展路径。个人助手会越来越贴合个人习惯，企业 Agent 会积累内部业务经验，但开发者也很难再用一个统一版本解释所有模型的行为。

隐私问题也会更加复杂。保存在数据库中的信息可以查看和删除，进入参数中的信息却很难准确定位。用户要求模型忘记某项内容时，系统不仅要删除记录，还要判断这项信息是否已经影响了模型能力。

持续学习因此不能只有“学习”，还必须配套知识追踪、权限管理、主动遗忘和版本回滚。模型需要知道自己学过什么，开发者也要能够检查、限制和撤销这些变化。

“大模型也得睡觉”并不是一个单纯的拟人化说法。它提出了一种新的模型生命周期：清醒时处理任务，睡眠时整理经验，再带着新的能力进入下一轮工作。

过去，行业一直在研究如何训练出一个更强的模型。接下来，更难的问题可能是如何管理一个会不断改变自己的模型。它既要持续学习，又不能失去控制；既要积累经验，也要知道哪些内容不该留下。

https://x.com/behrouz_ali/status/2076710744456892519

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。